登录
首页 » Others » vf学生成绩管理系统(含程序)

vf学生成绩管理系统(含程序)

于 2020-12-11 发布
0 196
下载积分: 1 下载次数: 1

代码说明:

vf学生成绩管理系统(含程序),适用于大学vf课程课程设计作业。

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • 三维点云数据的预处理研究
    本文 重 点 研究点云数据编码压缩方法和邻域搜索算法。(1)、根据点云数据的特点,建立八叉树模型,对原始数据进行坐标变换,映射到正整数空间,在此基础上计算数据的Morton码。对Morton码排序、求差,统计码长,提出了一种改进Morton码的方法。该方法提高了Morton编码的连续性,降低了八叉树的深度,减少了数据存储量。并可应用三维行程编码等方法进一步压缩优化后的Morton码。试验结果证明了算法的有效性。(2)、把应用在四叉树模型的编码邻域算法推广到空间的八又树模型,并与栅格邻域搜索算法做定性比较。此外,还简单介绍了Delaunay三角划分方法及其优化准则,Hoppe的三角网格重构算法。
    2020-12-03下载
    积分:1
  • 基于RS485总线的PC与单片机多机通信系统设计
    该文档介绍了基于RS485总线的PC与单片机多机通信系统设计。《自动化与仪器仪表》2012年第1期(总第159期)再由嵌入式网关上的应用程序去执行相应的操作音等等)同样能完成相应物理量的检测并回传信息。若嵌入式网关数据上传下发平台定时读con1.txt,负责增加无线节点个数、传感器数量,系统硬件、軟件稍加改把串口收到的数据进行检索,并实时上传由热释电红外传.动,还能完成对相关智能家居的远程控制。感器通过网关数据采集平台采集来的数据。图11为系统参考文献功能图。[]刘富强.数字视频监控系统开发及应用「M].北京:机械工业出系统登版社,2003[2]卓晴,黄开胜,邵贝贝.学做智能车一挑战“飞思卡尔”杯[M]北京:北京航空航天大学出版社,2007[3]陈有卿,谢刚新颖电子模块应用手册[M].北京:机械工业出版[现场慰过[车週卧车左糙[石恩匚社,2004图11远程巡警控制系统功能图[季]廖俊.基于B/S模式的远程监控系统的研究及软件实现[D]成3.结语都:西南交通大学,2006本文改计的智能家居远程巡瞀监控系统,根据远程[5]周立功.ARM&WnCE实验与实践—基于S3c240[].北京北监视图像,通过网页浏览的方式控制家居移动小车的运动京航空航天大学出版社,2007.方向,小车上装有热释电红外传感模块,能实时检测室内[6]陈素华,方旭司宏昌.基于ARM和FGA的智能小车监控系统是否有人,并将信息及时回传给所览的N页。根据需J].现代电子技术2010,16(21):5961求,传感探测器还可更换其它的类别(如气体、温澠度、声上接第31页)符输出,当发送0-9时是%d,此处特别注意,否则接到的是(2)单片机串口主程序乱码)d mainom striata+= strtemp;//加入接收编i REN=1辑框对应字符串( m striata与编辑框ID对应,修改其ea 1ID时此处要做相应修改)Serial IUpdateData( FALSE);//更新编辑框内容Data-SUBF//接收上位机发来的数据3.2单片机通信程序设计while(1)80C51单片机的数据通信由串行口完成,定时器T1作为波特率发生器,其波特率要与PC机一致。数据的传送格式为1位起始位、8位数据位、作为地址/数据控制位的第4结语9位和1位停止位。采用中断方式发送和接收数据,定时器本文通过对RS-485多机通信系统的研究,设计了一TI设置为工作模式2,串行口设置为工作方式3,由第9位种以PC机作为主机,多个8051单片机作为从机的主从式判断地址码或数据。当某台单片机与PC机发出的地址码多机通信系统。本系统采用主从分布式网络,通过自定义致时,就发出应答信号给PC机,而其他单片机则不发应通信协议实现了系统通信功能。上位机通过标准串行接口答信号,这样在某一时刻PC机只与一台单片机传输信息。COM口经RS232/485转换器将电平转换为RS-485标准电平这里给出8051主程序完成串行口和中断的初始化后,则与下位机通信:下位单片机的串行信号通过MAX485芯片将等待中断,以及单片机中断方式接收和发送数据的中断服TL电平转换为RS-485标准电平实现网络通信。而且,小务程序。局域网多机通信在如食堂刷卡收费管理系统、汽车加油刷1)单片机串口初始化程序卡系统、电能运输秒表管理系统等领域应用广泛。因此,void Serial Init (void)开展本领域的研究有较好的应用前景。REN=1步考文煮RI=0;//接收中断软件清零E1]李宁.基于PC机和单片机土从式控制系统的设计{D]西安:西TMOD=0x20;//定时器工作方式设定安理工大学,2008,5SC0N=0xFC;//串口工作在方式3,允许按收L2]辛萌萌.RS-485通信接口芯片的IC设计与实现[D].大连;大连理PCON=0x80;//波特率加倍工大学200712TH1=0xf4;//初值3]陈光东,赵性初单片微型计算机原理与接口技术.第2版[M]武汉:华咔科技大学出版社,2004,156-16生IE=0X90;/开CPU中断,串口中断[4」李宁基于PC机和单片机主从式控制系统的设计[D].西安:西TR1=1;//启动定时器安理工大学,2008,5万方数据
    2020-12-02下载
    积分:1
  • web--文档管理系统
    可以按照各类条件进行检索文档,采用三层结构进行开发,编辑器采用的是fckeditor后台报告:站点设置、系统探针、文档管理、用户管理
    2020-12-01下载
    积分:1
  • 最小二乘法拟合椭圆
    以C语言开发的最小二乘法椭圆拟合程序,精度非常高,欢迎使用
    2020-12-05下载
    积分:1
  • 数字信号处理(第四版)高西全(王军宁提供课件).zip
    数字信号处理(第四版)高西全(王军宁提供课件).zip
    2020-12-07下载
    积分:1
  • TMS320F28335学习例
    TMS320F28335例程,内容丰富,满足入门级学习需要,并且还有清晰的注释,方便学习
    2020-12-12下载
    积分:1
  • 红外通信代码和仿真电路图(原创)
    里边涉及到了按键,按下不同的键可以发出不同编码的信号。用到的载波是用单片机产生的38k的方波。
    2020-12-01下载
    积分:1
  • matlab 机器人避障
    本人使用一个原始避障程序,里面有相应的论文,我进行了改写
    2020-12-04下载
    积分:1
  • sklearn0.19中文文档
    sklearn0.19中文文档 PDF格式高清。.1. 广义线性模型1.1.1. 普通最小二乘法1.1.1.1. 普通最小二乘法复杂度1.1.2. 岭回归1.1.2.1. 岭回归的复杂度1.1.2.2. 设置正则化参数:广义交叉验证1.1.3. Lasso1.1.3.1. 设置正则化参数1.1.3.1.1. 使用交叉验证1.1.3.1.2. 基于信息标准的模型选择1.1.3.1.3. 与 SVM 的正则化参数的比较1.1.4. 多任务 Lasso1.1.5. 弹性网络1.1.6. 多任务弹性网络1.1.7. 最小角回归1.1.8. LARS Lasso1.1.1.监督学习1.1.广义线性模型o1.1.1.普通最小二乘法1.1.1.1.普通最小二乘法复杂度o1.1.2.岭回归1.1.2.1.岭回归的复杂度1.1.22.设置正则化参数:广义交叉验证o 113. Lasso■1.1.3.1.设置正则化参数1.1.3.1.1.使用交叉验证■1.1.3.1.2.基于信息标准的模型选择1.1.3.1.3.与SVM的正则化参数的比较o1.1.4.多任务 Lassoo1.1.5.弹性网络o1.1.6.多任务弹性网络o1.1.7.最小角回归o.8. LARS Lasso■1.1.8.1.数学表达式o1.1.9.正交匹配追踪法(OMP)o1.1.10.贝叶斯回归1.1.10.1.贝叶斯岭回归1.1.10.2.主动相关决策理论-ARD1.1.11. logistic回归o1.1.12.随机梯度下降,SGDo1.1.13. Perceptron(感知器)o1.1.14. Passive Aggressive Algorithms(被动攻击算法)o1.1.15.稳健回归( Robustness regression):处理离群点( outliers)和模型错误1.1.15.1.各种使用场景与相关概念■1.1.15.2. RANSAC:随机抽样一致性算法( RANdomSAmple Consensus1.1.15.2.1.算法细节1.1.15.3.Thel-sen预估器:广义中值估计1.1.153.1.算法理论细节1.1.154. Huber回归1.1.155.注意1.1.16.多项式回归:用基函数展开线性模型1.2.线性和二次判别分析o1.2.1.使用线性判别分析来降维o12.2.LDA和QDA分类器的数学公式o123.LDA的降维数学公式o1.2.4. Shrinkage(收缩)o12.5.预估算法1.3.内核岭回归1.4.支持向量机o1.4.1.分类■1.4.1.1.多元分类■1.4.1.2.得分和概率1.4.1.3.非均衡问题1.4.2.回归o143.密度估计,异常( novelty)检测o1.4.4.复杂度o1.4.5.使用诀窍o1.4.6.核函数1.4.6.1.自定义核14.6.1.1.使用 python函数作为内核1.4.6.1.2.使用Gram矩阵14.6.1.3.RBF内核参数o1.4.7.数学公式1.4.7.1.sVC■1.4.7.2. NuSVo1.4.7.3.sVRo14.8.实现细节1.5.随机梯度下降o1.5.1.分类o1.5.2.回归1.5.3.稀疏数据的随机悌度下降o1.5.4.复杂度o1.5.5.实用小贴士o1.5.6.数学描述■1.5.6.1.SGDo1.5.7.实现细节1.6.最近邻o1.6.1.无监督最近邻■1.6.1.1.找到最近邻1.6.1.2. KDTree和 BallTree类1.62.最近邻分类o16.3.最近邻回归o1.6.4.最近邻算法1.64.1.暴力计算■1.6.4.2.K-D树1.64.3.Ba|树■1.6.4.4.最近邻算法的选择1.6.4.5.1 eaf size的影响o165.最近质心分类1.6.5.1.最近缩小质心1.7.高斯过程o1.7.1.高斯过程回归(GPR)o1.7.2.GPR示例1.7.2.1.具有噪声级的GPR估计1.722.GPR和内核岭回归( Kernel Ridge Regression)的比较1.7.2.3. Mauna loa co2数据中的GRRo1.7.3.高斯过程分类(GPC)o1.7.4.GPC示例1.7.4.1.GPC概率预测■1.74.2.GPC在XOR数据集上的举例说明■1.7.4.3.iris数据集上的高斯过程分类(GPC)o1.7.5.高斯过程内核1.7.5.1.高斯过程内核AP■1.7.5.2.基础内核■1.7.5.3.内核操作1.7.5.4.径向基函数内核1.7.5.5. Matern内核1.7.5.6.有理二次内核1.7.5.7.正弦平方内核1.7.58.点乘内核■1.7.5.9.参考文献o1.7.6.传统高斯过程1.7.6.1.回归实例介绍1.7.62.噪声数据拟合17.6.3.数学形式1.7.6.3.1.初始假设■1.7.6.32.最佳线性无偏预测(BLUP)1.7.6.3.3.经验最佳线性无偏估计( EBLUP)1.7.6.4.关联模型1.7.6.5.回归模型1.7.6.6.实现细节1.8.交叉分解1.9.朴素贝叶斯o1.9.1.高斯朴素贝叶斯o1.92.多项分布朴素贝叶斯1.9.3.伯努利朴素贝叶斯1.9.4.堆外朴素贝叶斯模型拟合1.10.决策树o1.10.1.分类o1.10.2.回归o1.10.3.多值输出问题o1.10.4.复杂度分析o1.10.5.实际使用技巧1.10.6.决策树算法:ID3,C4.5,c5.0和CARTo1.10.7.数学表达1.10.7.1.分类标准■1.10.7.2.回归标准1.11.集成方法o1.111. Bagging meta-estimator( Bagging元估计器)o1.11.2.由随机树组成的森林1.11.2.1.随机森林1.11.2.2.极限随机树1.11.2.3.参数1.11.24.并行化1.11.2.5.特征重要性评估1.11.2.6.完全随机树嵌入o 1.113. AdaBoost1.11.3.1.使用方法o1.114. Gradient Tree Boosting(梯度树提升)1.11.4.1.分类1.11.42.回归1.114.3.训练额外的弱学习器1.11.4.4.控制树的大小■1.11.4.5. Mathematical formulation(数学公式)■1.11.4.5.1. LoSS Functions(损失函数)1.114.6. Regularization(正则化)■1.14.6.1.收缩率( Shrinkage)■1.1.4.6.2.子采样( Subsampling)■1.11.4.7. Interpretation(解释性)1.114.7.1. Feature importance(特征重要性)1.114.7.2. Partial dependence(部分依赖)o1.11.5. Voting Classifier(投票分类器)1.115.1.多数类标等(又称为多数/硬投票)1.11.5.1.1.用法■1.11.52.加权平均概率(软投票)1.11.5.3.投票分类器( Voting Classifier)在网格搜索( Grid search)应用1.11.5.3.1.用法1.12.多类和多标签算法o1.12.1.多标签分类格式o1.12.2.1对其余1.122.1.多类学习1.122.2.多标签学习o1.12.3.1对11.12.3.1.多类别学习o1.12.4.误差校正输出代码1.12.4.1.多类别学习o1.12.5.多输出回归o1.12.6.多输出分类o1.12.7.链式分类器·1.13.特征选择1.13.1.移除低方差特征o1.13.2.单变量特征选择o1.13.3.递归式特征消除o1.13.4.使用 Select From Mode选取特征■1.13.4.1.基于L1的特征选取1.13.4.2.基于Tree(树)的特征选取1.13.5.特征选取作为 pipeline(管道)的一部分1.14.半监督学习o1.14.1.标签传播1.15.等式回归1.16.概率校准1.17.神经网络模型(有监督)o1.17.1.多层感知器o1.17.2.分类o1.17.3.回归o1.17.4.正则化o1.17.5.算法o1.17.6.复杂性o1.17.7.数学公式o1.178.实用技巧o1.17.9.使用 warm start的更多控制
    2021-05-06下载
    积分:1
  • 通信原理课设计 PCM码 TDM时分复用 2DPSK调制 语音传输
    基于PCM TDM 2DPSK 单向语音传输系统simulink系统仿真
    2020-12-02下载
    积分:1
  • 696518资源总数
  • 106222会员总数
  • 14今日下载