预订机票 这个asp.net应用程序模拟了一个在线预订系统，该系统使用户可以搜索可用的最佳航班，预订不同旅行级别的座位。

通过java将多个jpg文件合成gif，并且将gif拆分为多个jpg的demo，绝对可以运行。

（1）用户登录注册。 （2）修改密码。 （3）用户个人中心。 （4）图书展示 （5）图书推荐 （6）图书分类展示 （7）图书收藏 （8）收货地址管理 （8）后台数据管理，包括用户信息管理、图书信息管理、分类信息管理。 使用前请仔细查看说明文档

项目介绍 乐优商城是一个全品类的电商购物网站（B2C） 用户可以在线购买商品，加入购物车，下单，秒杀商品 可以评论已购买商品； 管理员可以在后台管理商品的上下架，促销活动 管理员可以监控商品销售状况 系统架构 ####架构图： ####架构图介绍： ** 后台管理** 后台系统主要包含以下功能： 商品管理，包括商品分类，品牌，商品规格等信息的管理 销售管理，包括订单统计，订单退款处理，促销活动生成等 用户管理，包括用户控制，冻结，解锁等 权限管理，整个网站的权限控制，采用智威汤逊鉴权方案，对用户及API进行权限控制 预览图: 前台门户 前台门户面向的是客户，包含与客户交互的一切功能例如： 搜索商品 加入购物车 下单 评价商品等等 前台系统我们会使用Thymeleaf模板引擎技术来完成页面开发。出于SEO优化的考虑，我们将不采用单页应用。 无论是前台还是后台系统，都共享相同的微服务集群，包括

1 这个软件可以自动、批量地转换文本文件。 2 使得文件的每一行内容按中间一个字符串（例如 =）垂直对齐。 3 将文件中的\t全部转换为4个空格。

JSP对图片的增删改查操作（能够删掉图片文件夹下的文件）此版本是作者在第一版的基础上改进的。新增加了删除图片的功能，数据库为mysql,经本人亲测能够运行。

jsp+javaBean实现的对Oracle数据库的emp表的增，删，改，查。有图片上传功能

使用自定义基础 B 对一维（时间）信号 y 执行匹配追踪 (MP)。 匹配追踪 (Mallat and Zhang 1993) 是一种贪婪算法，根据字典元素 D (y ~ Dw) 的加权和 (w) 获得信号 y 的稀疏表示。 稀疏意味着大多数元素等于 0 (nnz(w) << length(y))。 这种稀疏表示在许多不同的场景中都很有用：获取时频频谱图、去噪信号、压缩信号等。 对于时间信号，很自然地使用元素 D 的字典，该字典由移动到每个可能时间点的基本元素 B 组成。 在这种情况下，高度过完备字典中卷积或平移不变稀疏代码的权重形式： y~r r = sum_i conv(ws(:,i),B(:,i),'same') 和 nnz(ws(:)) << length(y) 如果 B 等于一堆加窗的正弦曲线，则该表示形成信号的时频分解。 这种分解的一个应用是 EEG/MEG 和 LF

AndroidAPIService ##前言 目前移动端去访问服务器的方式，除了比较古老的WebService方式，还有一种就是利用RESTfulAPI 使用RESTfulAPI可以大大减低与服务器交互的复杂程度，这里本人做了一点小demo，供测试与服务器的数据交互问题的，如果有什么问题，希望大家能及时告知。 ##如何访问服务器 通过httpClient对RESTfulAPI进行访问，这里需要注意的是参数和中文编码问题； httpClient.getParams().setContentCharset("UTF-8"); 以及如何填充参数，这里针对get和post方法分成两种填充方式，一种就是作为queryString，另外一种就是常见的NameValuePair。 ##结果集封装 结果集用泛型进行封装，可以接受来自服务器的任何数据类型，但是前提是客户端和服务器需要统一数据模型。 ##Js

CS229 机器学习 - 秋季 2014-15 使用脑电图对想象语音中的音节进行分类 预测：想象语音是指受试者想象在不移动任何肌肉或声音的情况下说出给定单词的过程。 理解想象语音的能力将从根本上改变我们与设备交互的方式。 我们想从想象的语音 EEG 信号中对音节“ba”、“ku”、“im”和“si”进行分类。 选择这些音节是因为它们不包含语义含义，因此将对想象的语音进行分类，而不是对想象的语音产生的语义贡献。 我们的模型能够成功地从 EEG 数据中对音节对进行分类，准确率超过 90%。 数据收集：我们利用 Takako Fujioka 教授在音乐与声学计算机研究中心 (CCRMA) 的 EEG 实验室创建了自己的数据集。 在我们的实验中，受试者想象根据预先确定的音频线索说出四个音节“ba / ku”和“im / si”，同时脑电图记录他们的脑电波活动。 音频提示对应于高音或低音。 嘟嘟