java-test-evidence
使用Java ， Selenium ， TestNG和ExtentReports简单测试自动化项目。 该项目的主要目的是展示如何使用这些技术来生成测试证据，并在测试失败时添加屏幕截图。
运行测试
可以使用以下命令运行测试：
set classpath= < path> \j ava-test-evidence \t arget \t est-classes ; < path> \j ava-test-evidence \t arget \d ependency \*
java org.testng.TestNG < path> \j ava-test-evidence \t
2022-05-17 14:47:17
17.85MB
1
昆虫识别matlab代码证据
使多维LNP-Integrator模型适合行为数据。
型号结构：
特征提取：时变刺激由LN模型处理
积分：每个LN的输出（“点火率”）被积分以产生特征值（“峰值”）
权重：将多个LN模型的特征值线性组合以产生行为响应值
一些优化性能的调整：
滤波器以余弦表示
非线性已参数化（S型）
该模型的GPU实现可在拟合过程中更快地进行评估（使用Matlab的GPU功能）。
演示代码
load(
'
demo/demo.mat
'
)
%
loading
stimulus
and
response
p.bee
=
Behave(stim,
resp,
..);
pGa
=
GA(p);
这将产生以下图：
在以下代码中使用的代码库：
扬·克莱门斯（Jan
Clemens），伯恩哈德·罗纳（Bernhard
Ronacher）
蚱court求爱过程中的特征提取和组合基础决策|
扬·克莱门斯（Jan
Clemens），马蒂亚斯（Matthias
Hennig）
昆虫声信号识别基础的计算原理|
2021-12-20 00:42:08
15KB
1
DOUBLETAKE__Fast_and_Precise_Error_Detection_via_Evidence-Based_Dynamic_Analysis
业务风控
渗透测试
业务安全
物联网安全物联网安全
2021-09-10 11:00:27
175KB
作为不确定性条件下知识表示和决策的重要工具，Dempster-Shafer证据理论（DS理论）已在许多领域中使用。 DS理论的应用严重依赖于基本概率分配（BPA）的可用性。 BPA的确定仍然是一个悬而未决的问题。 提出了一种获取BPA的非参数方法。 该方法可以处理分类问题中的多属性数据集。 数据集样本的每个属性值都被视为随机量。 使用训练数据计算其非参数概率密度函数（PDF），可以将其视为对应属性的概率模型。 然后，基于测试样本和概率模型之间的关系来构造BPA函数。 在证据理论的框架内，数据集中缺少的属性值被视为无知。 此方法没有任何特定分布的假设。 因此，它可以在许多工程应用中灵活使用。 所获得的BPA可以避免证据之间的高度冲突，而这是数据融合所希望的。 使用几个基准分类问题来演示所提出的方法并与现有方法进行比较。 基于所提出的方法构造的分类器与现有技术的算法具有很好的比较性。
2021-03-10 09:08:54
1.13MB
1
比特币在中国的适用性
2021-02-01 11:01:01
1.35MB
1