基于浏览器的一个h5即时通讯,可以实现websocket的长连接,连接成功以后可以实现类似客服系统的通讯。实现语音转文字
2021-11-29 21:02:54 41.12MB websocket 语音识别
功能及截图:https://blog.csdn.net/qq_37740841/article/details/121615212
2021-11-29 21:02:53 1.63MB spring 4
功能介绍及截图:https://blog.csdn.net/qq_37740841/article/details/121616581
2021-11-29 21:02:53 1.65MB spring 4
基于SpringBoot开发的ActiveMQ虚拟主题客户端,达到消费者多点消费、负载均衡和故障转移的目的。 详情可以参考这里: https://my.oschina.net/noryar/blog/1573047 https://my.oschina.net/noryar/blog/1575003
2021-11-26 14:08:40 28.37MB 虚拟主题
1
主要功能:首页、登录功能、文章管理、分类管理、标签管理、链接管理、归档管理等主要功能。框架:Springboot 数据库持久层:Mybatis 文章评论插件:Valine 分页插件:PageHelper 后台UI框架:X-admin框架,即LayUI框架 数据库连接池:hikari 数据库:MySQL 日志:Log4J
基于Springboot+Vue+Element-ui的精美个人博客系统的设计与实现(附源码) 后台: SpringBoot + MybatisPlus + mysql 前台:Vue + Element-UI + echarts
2021-11-25 09:04:23 5.83MB spring boot vue
1
/ *日期:2018年5月7日作者:Raj Mehrotra * / 来自kaggle的“红酒质量”数据集。 数据集包含有关葡萄酒样品的详细信息,以及说明葡萄酒中不同化学物质浓度的不同特征。 目标变量是0-10的葡萄酒质量。 我首先探索并分析了数据,并使用了熊猫,matplotlib,seaborn库进行了可视化,并研究了不同类别和数字特征的分布。 然后,我清理了数据并准备好进行建模。然后,我还使用sklearn提供的StandardScaler缩放了所有数字功能以实现更好的性能。 最后,我从scikit学习中使用了不同的ML算法,包括SVM,RandomForest等。 我还使用GridSearchCV函数调整了所有算法的参数。 最后,通过使用带有“ rbf”内核和参数“ C”和“ gamma”的调整值的支持向量机,我在数据集上的精度为0.9175。
2021-11-25 08:01:14 495KB JupyterNotebook
1
在rhel6.5安装oracle11gR2时,缺少的包
2021-11-24 09:23:04 12.92MB redhat rhel 6.5 oracle11gR2
1