基于weka的数据分类和聚类分析实验报告.doc

计算机毕设 ，计算机毕业设计，毕设，毕业设计论文 ，基于ASP.NET 猜数游戏的设计与开发(源代码+论文)， 优秀的猜数小游戏体现于玩家在操作此游戏时简单易懂，它提供的是一个训练逻辑思考和解谜的环境，并且有一定的规则及逻辑。玩家遵循游戏所设定的规则来解开谜题，达成游戏目标。它不仅拥有趣味的玩法而且提供了舒适的操作环境。本次设计考虑到上述诸多因数，巧妙的运用Visual C# Windows窗口下的模块控件精致的开发与设计出了一款猜数游戏。 计算机毕设 ，计算机毕业设计，毕设，毕业设计论文 ，基于ASP.NET 猜数游戏的设计与开发(源代码+论文)， 优秀的猜数小游戏体现于玩家在操作此游戏时简单易懂，它提供的是一个训练逻辑思考和解谜的环境，并且有一定的规则及逻辑。玩家遵循游戏所设定的规则来解开谜题，达成游戏目标。它不仅拥有趣味的玩法而且提供了舒适的操作环境。本次设计考虑到上述诸多因数，巧妙的运用Visual C# Windows窗口下的模块控件精致的开发与设计出了一款猜数游戏。 计算机毕设 ，计算机毕业设计，毕设，毕业设计论文 ，基于ASP.NET 猜数游戏的设计与开发(源代

经典游戏《塞尔达传说：通向过去》的实现，在Pygame库的帮助下使用Python 2.7来构建游戏，该游戏包含3个级别，其中主角（链接）将面对地牢中的不同敌人。 游戏中使用了细微差别，变换和精灵冲突。 这是计算机图形学主题的最后一个项目。 它由和开发，该游戏的文档和功能描述由制作，您可以下载。 以下是游戏的屏幕截图，其中显示了主菜单及其3个级别。 如果您想尝试游戏，可以下载，我们希望它对可能需要它的人有用。 :grinning_face_with_big_eyes:

一个基于深度学习的量化投资策略.zip

1、嵌入式物联网单片机项目开发实战，每个例程都经过实战检验，简单好用。 2、代码使用KEIL 标准库开发，当前在STM32F103C8T6运行，如果是STM32F103其他型号芯片，依然适用，请自行更改KEIL芯片型号以及FLASH容量即可。 3、软件下载时，请注意keil选择项是jlink还是stlink。 4、答疑：wulianjishu666; 5、如果接入其他传感器，请查看发布的其他资料。 6、单片机与模块的接线，在代码当中均有定义，请自行对照。

基于python+django电影个性化推荐系统答辩PPT.ppt

基于灰狼算法(GWO)优化门控循环单元(GWO-GRU)的时间序列预测。 优化参数为学习率，隐藏层节点个数，正则化参数，要求2020及以上版本。 评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。

gram_savitzky_golay 基于Gram多项式的Savitzky-Golay过滤的C ++实现，如 安装 从Ubunu包 # Make sure you have required tools sudo apt install apt-transport-https lsb-release ca-certificates gnupg # Add our key sudo apt-key adv --keyserver ' hkp://keyserver.ubuntu.com:80 ' --recv-key F6D3710D0B5016967A994DFFA650E12EFF6D3EDE # Add our repository echo " deb https://dl.bintray.com/arntanguy/ppa-head bionic main " | sudo t

当今家居生活中面临各种环境与健康安全问题，如空气湿度过低，容易让人患上呼吸系统的疾病；CO、甲醛等有害气体危害人体健康；天燃气泄漏引起的爆炸事故频发等。人们对高品质生活环境的追求越来越强烈，所以居住环境的各种参数得到了大家的广泛重视。随着智能化与信息化的快速发展，我们可以利用现代科技对家居环境进行监测及调整，使我们的居住体验更加美好。 本设计完成一个可以监测温湿度、有害气体以及非法入侵的智能家居监控系统，包括主控模块、传感器模块、显示模块、报警驱动模块等。 系统的控制核心是STC89C52单片机，通过DHT11传感器来监测室内温湿度，烟雾传感器MQ-2监测有害气体烟雾浓度，HC-SR501传感器用来监测人体信号，按键电路可以设置监测数据上下限阈值及人体红外监测布防状态，当超过阈值时，蜂鸣器和LED灯声光报警，同时通过继电器驱动相应电器，实时对家居环境进行调控。此外，通过LCD1602液晶屏显示实时温湿度、烟雾浓度等信息供人们实时了解家庭环境状况，从而保证家庭生活环境的安全与舒适。

Python基于pytorch深度学习的车型识别系统源码+使用说明 训练模型主要分为五个模块：启动器、自定义数据加载器、网络模型、学习率/损失率调整以及训练可视化。 启动器是项目的入口，通过对启动器参数的设置，可以进行很多灵活的启动方式，下图为部分启动器参数设置。 任何一个深度学习的模型训练都是离不开数据集的，根据多种多样的数据集，我们应该使用一个方式将数据集用一种通用的结构返回，方便网络模型的加载处理。 这里使用了残差网络Resnet-34，代码中还提供了Resnet-18、Resnet-50、Resnet-101以及Resnet-152。残差结构是通过一个快捷连接，极大的减少了参数数量，降低了内存使用。