-
ARM平台TFT LCD的图像显示源代码原创测试发行版
ARM平台TFT LCD的图像显示源代码原创测试发行版, 经软硬件平台实际测试,带寄存器说明。
- 2023-07-21 20:45:03下载
- 积分:1
-
linux 高级编程
本人学习linux高级编程聪书上敲下来的代码, 主要对进程编程以及线程编程等的学习, 进程之间的同步, 线程之间的同步. 等等一系列东西.
- 2023-08-10 08:20:02下载
- 积分:1
-
echo_client_server
应用背景应用程序运行在Linux下的C编程测试的理解client_server >;>;>;你可以修改它,把你的要求关键技术我用它使用TCP套接字试验了解网络编程socket编程技术
- 2022-04-19 15:17:47下载
- 积分:1
-
石器时代6.0源码
石器时代 ver6.0 的 linux源代码,游戏服务器代码语言简体中文. 需要 请点击左侧文件开始预览 !预览只提供20%的代码片段,完整代码需下载后查看 加载中 侵权举报
- 2022-08-22 12:02:04下载
- 积分:1
-
管道通信
int main(int argc, char **argv){ int pipefds[2],pipefds2[2]; pid_t pid; int i,j; char buffer[255]; if(pipe(pipefds) < 0) //第一个管道 { printf("error
"); } pid=fork(); if(pid
- 2022-12-15 02:55:04下载
- 积分:1
-
TCP聊天程序
TCP简单聊天程序,网络相关,c++编程思想实现,对刚入门的新手很有帮助,linux环境socket编程。可以运行,希望能有所帮助。实现比较简单,代码不多。
- 2022-06-21 12:46:25下载
- 积分:1
-
基于ARM 的QT 摄像头开发软件
网上获取的摄像头驱动开发,基于ARM 开发板,QT 平台。希望对大家有用。
- 2022-11-20 20:25:03下载
- 积分:1
-
netflow解析
在linux环境下,使用libpcap库函数来捕获netflow格式数据(端口为9995),并使用BPF来过滤数据,然后存入到mysql数据库中
- 2023-04-23 12:35:03下载
- 积分:1
-
上下文无关的选手
应用背景概述我们定义的语言是一组特定的字符串(定义如下)表示有效的算术表达式的操作变量名的长度≥1,与2美元符号间的全部表达。这项任务,你是画一个PDA能识别这种语言写一个程序来实现你的PDA。关键技术2这一语言要精确定义的语言,我们首先定义上下文无关文法(五,Σ,R,S),其中V = { S,T,X,C,N },Σ= {A,B,C,。..,乙,乙,丙,。..,0,1,2,。..,9,+,−,∗,/,(,)$,,},(1)这既包括减号(−)和下划线(),起始变量的规则是STXCn→→→→→$ $T T T T | | T * T | T/T |(T)| CXXX | C | N | |ε一个| B | C |···| Z |一| B | C |···| Z0 | 1 | 2 |···| 9规则不→T T在右边一个减号,和规则有一个X→在右侧下划线。然后,我们定义的语言=升(克),其中包含1开始和结束的字符串,以及$之间是一个算术表达式变量,在变量名称的长度≥1,一定要有一个罗马信件。例如,字符串“$(A1(Mn * H 3b))$”属于一种,它可以显示利用推导的⇒⇒⇒⇒⇒⇒不⇒美元美元美元美元美元⇒(T)(T T)⇒美元美元(T(t))⇒美元美元(T(T T))$$(CX -(T T))⇒美元美元(CN(T T))⇒美元美元(-(T T))$$(A1(T T))⇒美元美元(A1(CX * T))⇒美元美元(A1(CC * T))$$(A1(MC * T))⇒美元美元(A1(Mn * T))⇒美元美元(A1(Mn * CX))$$(A1(Mn * CXX))⇒美元美元(A1(Mn *咖啡))⇒美元美元(A1(Mn * HXXX))$$(A1(Mn * H XX))⇒美元美元(A1(Mn * H 3))⇒美元美元(A1(Mn * H 3b))$文法G不包含规则T→T不规则T→ε,所以琴弦“$ GQ美元”、“美元美元ST +先生”不属于A的同时,注意文法G是—模糊;例如,字符串$ AP +亿美元*厘米∈有两种不同的语法树。
- 2022-01-26 04:13:33下载
- 积分:1
-
潜在狄利克雷分布主题模型 LDA
LDA是一种文档主题生成模型,也称为一个三层贝叶斯概率模型,包含词、主题和文档三层结构。文档到主题服从Dirichlet分布,主题到词服从多项式分布。
LDA是一种非监督机器学习技术,可以用来识别大规模文档集(document collection)或语料库(corpus)中潜藏的主题信息。它采用了词袋(bag of words)的方法,这种方法将每一篇文档视为一个词频向量,从而将文本信息转化为了易于建模的数字信息。但是词袋方法没有考虑词与词之间的顺序,这简化了问题的复杂性,同时也为模型的改进提供了契机。每一篇文档代表了一些主题所构成的一个概率分布,而每一个主题又代表了很多单词所构成的一个概率分布。
对于语料库中的每篇文档,LDA定义了如下生成过程(generative process):
1. 对每一篇文档,从主题分布中抽取一个主题;
2. 从上述被抽到的主题所对应的单词分布中抽取一个单词;
3. 重复上述过程直至遍历文档中的每一个单词。
- 2022-03-16 01:27:42下载
- 积分:1