自定义异常类MyException，该类继承自Exception类，类中只有含一个字符串参数msg的构造方法，构造方法中只有一条语句super(msg)——调用父类的构造方法。另外，编写自定义类person，类中只有两个私有的变量，一个是字符串类型的姓名，另一个是整型变量age；有两个公有方法void getAge()和setAge(int age)，其中setAge(int age)的功能是把参数age的值加到类中的变量age中(但要求age>0，否则抛出自定义异常MyException类的对象)，getAge()方法返回age的值。编写应用程序。

管道中线处有一个中空方块，入口平均速度 且为抛物线分布，雷诺数Re{=}Udν=100 。入口温度T_0=20。方块上板面有阶跃周期温度，周期与流场卡门涡街一致，下板面温度函数与上板面相位正好相反，其余壁面绝热。研究流体热扩散系数为\alpha=1,10,100时，方块后15d位置处温度的时间变化曲线，并分析变化频率;适合openfoam初学者，文件中保留了所有计算的结果（温度云图、压力云图、频率等等）以及计算思路的设计报告，有利于上手并做一定程度上的修改。

房地产项目可行性报告，项目基本概况 郎溪县经济现状 十字镇社会及经济发展概况 十字镇房地产市场现状及展望 十字镇在建的几个主要房地产项目概况 金都商业中心，金都国际宾馆带来的机会点分析 购买商铺的客户群体分析 SWOT分析 结论及建议

0 500 1000 1500 2000 2500 3000 3500 0 500 1000 1500 2000 2500 3000 3500 网媒 微博 微信 微博, 91% 7.6% 5.7% 4.8% 3.8% 3.3% 3.3% 2.9% 2.9% 2.9% 2.9% 喜茶如何从街边小店成为"网红店"获1亿融资? 喜茶上海爆红背后:排队7小时神话还在继续 疑似店员变 黄牛 "喜茶""鲍师傅"排队5小时 尝过后10人中8人直言:味 道一般 网红店排长龙的背后:鲍师傅雇专人维序 9名保安负责喜 茶 网红美食排队7小时+ 代购叫价水涨船高生意火 "网红食品"须理性跟风 网红奶茶店沪日月光店迎客 每人限购2杯仍难抑"黄牛" 鲍师傅、喜茶、一点点这些网红消费品牌靠什么爆红? 为了一杯奶茶你肯掏的钱越来越多,是什么在推动这些变 化? 到底是谁让喜茶、鲍师傅们成为"网红"? 男, 17.8% 女, 82.2%

项目1：基于sklearn的数据分类挖掘 一、项目任务 熟悉sklearn数据挖掘的基本功能。 进行用朴素贝叶斯、KNN、决策树C4.5、SVM算法进行数据分类分析。 二、项目环境及条件 sklearn-0.18.0 python-2.7.13 numpy-1.11.3+mkl-cp27-cp27m-win_amd64 scipy-0.19.0-cp27-cp27m-win_amd64 matplotlib-1.5.3-cp27-cp27m-win_amd64 三、实验数据 Iris数据集 Iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含 150个数据集，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼 宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virgin ica）三个种类中的哪一类。 Digits数据集 美国著名数据集NIST的子集，模式识别常用实验数据集，图像属于灰度图像。分辨率 为8x8 四、项目内容及过程 1.读取数据集 从sklearn中读取iris和digits数据集并测试打印 "from sklearn import datasets " " " "iris = datasets.load_iris() " "digits = datasets.load_digits() " "print 'iris:',iris.data,'\ndigits:',digits.data " 打印的数据集存在numpy.ndarray中，ndarray会自动省略较长矩阵的中间部分。 Iris数据集的样本数据为其花瓣的各项属性 Digits数据集的样本数据为手写数字图像的像素值 2.划分数据集 引入sklearn的model_selection使用train_test_split划分digits数据集，训练集和测 试集比例为8:2 "from sklearn.model_selection import train_test_split " "x_train,x_test,y_train,y_test=train_test_split(digits.data,digits.t" "arget,test_size=0.2) " "print " "'x_train:',x_train,'\nx_test:',x_test,'\ny_train:',y_train,'\ny_tes" "t:',y_test " 3.使用KNN和SVM对digits测试集分类 引用sklearn的svm.SVC和neighbors.KNeighborsClassifier模块调用算法，使用classi fication_report查看预测结果的准确率和召回率 "from sklearn.metrics import classification_report " " " "from sklearn import neighbors " "clf = neighbors.KNeighborsClassifier() " "clf.fit(x_train,y_train) " "y_pred=clf.predict(x_test) " "print classification_report(y_test, y_pred) " " " "from sklearn.svm import SVC " "clf = SVC() " "clf.fit(x_train,y_train) " "y_pred=clf.predict(x_test) " "print classification_report(y_test, y_pred) " KNN的预测结果：所有数字的预测正确率几乎达到了100% SVM的预测结果：对部分数字的预测误差较大，基本情况不如KNN 考虑SVM分类器的特性，在分类前对特征值进行标准化后再分类： "from sklearn import preprocessing " "min_max_scaler = preprocessing.MinMaxScaler() " "x_train = min_max_scaler.fit_transform(x_train) " "x_test = min_max_scaler.fit_transform(x_test) " 标准化数据后SVM的预测结果达到了KNN的准度： 4.使用贝叶斯和决策树对iris数据集分类 "from sklearn.model_selection import train_test_split " "x_train,

对于指纹的特征提取包含几个步骤，脊线增强、脊线分割、脊线细化、细节点检测和细节点验证，本次大作业需要针对已经增强的指纹图片进行后续几个步骤，通过多种形态学算法进行分割、细化、细化后处理，找到其中的端点和分叉点，而指纹周边的伪细节点需要被去除。

大学生java实习周记7篇.docx

在社会发展和国家政策的大力推动下，光伏发电得到快速发展，大型光伏电站项目的建设与应用成为常态。光伏发电接入电网会对传统配电系统造成一定影响，而应用自动化技术可提升并网光伏发电的时效性和稳定性光伏发电就是通过利用光电技术来实现太阳能向电能的转化，以此来提供绿色清洁能源。光伏发电与传统发电方式相比，具有更高的安全性可靠性，并且不会产生污染和大量的噪声，还可以广泛应用于沙漠、戈壁等环境恶劣的地区。为大幅度降低电力损耗，保护电力资源，完善电网系统，光伏发电和并网技术相结合成为我国电网建设的重要措施。光伏并网发电系统主要是由继电保护装置、太阳能光伏列阵、控制器、逆变器、储能装置、配电柜以及最大功率点跟踪装置等部分组成。太阳能光伏阵列是光伏发电系统的核心装置，太阳能光伏阵列由太阳能光伏电池串并联形成。最初的光伏电池原材料为硅，用硅作为衬底，成本高、损耗大，故对光伏电池进行改进后，当前普遍应用的光电池内部由薄膜电池和晶体硅构成，不仅可以减小损耗，还可以提高光伏转化效率。最大功率点装置是为了能够高效利用太阳能源，使光伏阵列在系统运行过程中时刻保持最大功率输出。储能装置的主要作用就是对电能进行控制，例如

打地鼠游戏电路的设计 设计一个打地鼠游戏电路，功能要求如下： 1、随机码发生器电路：游戏时间内每秒产生一个3位二进制随机码，通过译码电路控制8位LED（L0-L7）中的一位的点亮。 2、8个按键K0-K7构成的键盘控制电路，每个按键产生一个3位二进制键码与每一位位LED对应。 3、计分功能：在游戏时间内，当按下与当前亮起的LED对应按键时，视为击中老鼠，加1分。但每1秒内不能重复得分。 4、定时功能：游戏时间40秒，按下开始按键后开始倒计时，计到0秒计时停止、得分锁定；下次按下开始键后重新计时和计分。

基于数据湖的企业数据中台解决方案.pdf