-
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
