PK10自定义算法演算软件V2.52对比原来1.0版本增加若干功能 方案编辑功能更加强大 所有编写成的方案将会放到软件交流区（软件上有按钮可打开）
2021-12-20 21:18:25
2.6MB
1
平台整体架构、平台组件解析、平台价值体现、平台亮点解析、灵活的平台设计、
从云到端的安全设计、从点到面的稳定性设计、最优的硬件资源投入、青葡萄平台优势
2021-12-17 14:58:07
1.05MB
1
水果计数
通过MapReduce程序从输入文件计算“苹果”，“香蕉”和“葡萄”的出现频率。
地图缩小
MapReduce是一种编程模型和相关的实现，用于在集群上使用并行的分布式算法来处理和生成大数据集。 一个MapReduce程序包括：
映射过程：执行过滤和排序。
减少方法：执行摘要操作。
驱动程序类驱动程序类是控制程序执行的主要类。 在这里，我们创建一个Job对象，并设置程序中使用的驱动程序，映射程序和reducer类。
Mapper类MapReduce程序的任何mapper类都可以扩展抽象Mapper类。 然后，我们必须重写map函数，该函数采用键值对并引用Context变量，该变量由reduce函数处理。
Reducer类MapReduce程序的Reducer类扩展了抽象类Reducer。 该方法将在此类中重写。
2021-12-14 21:10:35
2KB
1
传统上，葡萄栽培者对研究葡萄叶/叶柄的生物化学与其相关光谱反射率之间的关系具有浓厚的兴趣，以便了解果实的成熟率，水分状况，营养水平和疾病风险。 在本文中，我们对330至2510 nm的反射波长区域（986个总光谱带）实施成像光谱（高光谱）反射率数据，以评估葡萄园的营养状况。 这构成了带有病态协方差矩阵的高维数据集。 对有助于营养评估和预测的有用信息的变量（波段）的识别在多元统计建模中起着关键作用。 近年来，研究人员已成功开发出许多连续的，几乎无偏的，稀疏且准确的变量选择方法来克服此问题。 本文比较了四种正则化和一种功能回归方法：弹性网，多步自适应弹性网，Minimax凹面惩罚，迭代确定性独立筛选以及用于波长变量选择的功能数据分析。 此后，使用逐步回归可增强这些正则化稀疏模型的预测性能。 使用高维和高度相关的葡萄高光谱数据集进行回归方法的比较研究表明，Elastic Net用于变量选择的性能产生了最佳的预测能力。
2021-12-01 23:18:15
1.5MB
1
设计题目：农夫果园
一个农场，专门种植销售各类水果，在这个系统中需要描述下列水果：
葡萄：Grape
草莓：Strawberry
苹果：Apple
水果与其他的植物有很大的不同，水果最终是可以采摘食用的。那么一个自然的做法就是建立一个各种水果都适用的接口，以便与农场里的其他植物区分开。水果接口规定出所有的水果都必须实现的接口，包括任何水果必须具备的方法：种植plant（），生长grow（），收获harvest（）。
Apple类是水果中的一种，因此它实现了水果接口所声明的所有方法。另外，由于苹果是多年生植物，因此多出一个treeAge性质，描述苹果树的树龄。
Grape类是水果类的一种，也实现Fruit接口中所声明的所有方法。但由于葡萄分为有籽和无籽的两种，因此比通常的水果多出一个seedless性质。
Strawberry类也是水果的一种，也实现了Fruit接口。
农场的园丁也是系统的一部分，自然要由一个合适的类来代表。这个类就是FruitGardener，它会根据农场老板的要求，使用factory（）方法创建出不同的水果对象，比如苹果（Apple），葡萄（Grape）或草莓（Strawberry）的实例。而如果接到不合法的要求，会提示错误。
农场的市场调查员也是系统的一部分，也需要一个类代表，这个类是MarketInquirer，它通过inquire（）调查今年市场上哪一种水果热销。
农场的老板也是系统的一部分，仍需要一个类来代表，这个类是FruitBoss，他会根据市场调查员的反馈信息，通知农场的园丁今年种植哪种水果。
要求：请你根据上述系统需求，用Java语言设计这个农场系统，发挥你的想象力吧！
2021-11-25 11:00:53
2KB
1