【研究生论文写作指导】第 1 章 文献信息检索基础 1.1 文献信息检索概述1.1.1 文献信息检索简史1.1.2 文献信息检索的基本概念1.1.3 文献信息检索的类型 1.2 文献信息检索的途径、方法和步骤1.2.1 文献信息检索的途径1.2.2 文献信息检索的方法1.2.3 文献信息检索的步骤 1.3 计算机信息检索1.3.1 布尔逻辑检索1.3.2 截词检索1.3.3 位置检索1.3.4 限制检索1.3.5 加权检索1.3.6 聚类检索 1.1 文献信息检索概述 继续阅读
Search Results for: 位置信息类和控件基类的封装
查询到最新的12条
[QT_015]Qt学习之基于条目控件的自定义特性(拖拽+右键菜单+样式)
本文转自:《Qt编程指南》 作者:奇先生 Qt编程指南,Qt新手教程,Qt Programming Guide 本节介绍基于条目控件的定制特性,首先介绍条目的拖拽,列表控件、表格控件、树形控件内置了支持拖拽的特性,添加少许代码即可使用。然后介绍控件的右 键菜单构造方 法,采用的方法是修改基类 QWidget 的 contextMenuPolicy 属性, 继续阅读
MFC第六天 使用列表控件CListCtrl类开发一个基础版本的员工管理系统
文章目录 CListCtrl类CFile类员工管理系统示例代码如下Employer.h 应用主程序的头文件Employer.cppEmployerDlg.h: 头文件EmployerDlg.cpp: 实现文件CLogin.h: 实现文件CLogin.cpp: 实现文件 CListCtrl类 CListCtrl是MFC中的一个控件类,用于显示列表数据。它继承自CWnd类,并提供了许多功能,如列标题、排序、多选等。下面是CListCtrl 继续阅读
Python基础篇(四):基本数据类型的学习和示例
Python基础篇(三):基本语句的示例和说明 基本数据类型的学习和操作 1. 数值类型1.1 整数(int)1.2 浮点数(float)1.3 复数(complex) 2. 字符串类型2.1 字符串的定义2.2 转义字符2.3 多行字符串2.4 字符串运算2.5 字符串格式化 3. 列表类型3.1 列表的定义3.2 访问列表元素3.3 修改列表元素3.4 列表操作3.5 列表长度和遍历 4. 继续阅读
使用径向基函数(RBF)神经网络对我们自己的excel数据进行分类---包括详细的python代码,RBFRe
文章目录 一、 径向基神经网络(Radial Basis Function Neural Network)是什么?二、径向基函数(RBF)神经网络对我们自己的excel数据进行分类---包括详细的python代码总结 一、 径向基神经网络(Radial Basis Function Neural Network)是什么? 径向基神经网络(Radial Basis Fun 继续阅读
基于spss的多元统计分析 之 聚类分析+判别分析(2/8)
实验目的: 1.掌握聚类分析及判别分析的基本原理; 2.熟悉掌握SPSS软件进行聚类分析及判别分析的基本操作; 3.利用实验指导的实例数据,上机熟悉聚类分析及判别分析方法。 实验前预习: 1.聚类分析及判别分析的基本原理; 2.SPSS软件进行聚类分析及判别分析的基本操作及结果解释。 实验内容: 1. 为了研究世界各国森林、 继续阅读
【MATLAB第42期】基于MATLAB的贝叶斯优化决策树分类算法与网格搜索、随机搜索对比,含对机器学习模型的
【MATLAB第42期】基于MATLAB的贝叶斯优化决策树分类算法与网格搜索、随机搜索对比,含对机器学习模型的评估度量介绍 网格搜索、随机搜索和贝叶斯优化是寻找机器学习模型参数最佳组合、交叉验证每个参数并确定哪一个参数具有最佳性能的常用方法。 一、 评估指标 1、分类 1.1 准确性 1.2 精度 1.3 召回 1.4 F1值 1.5 F0.5值 1.6 F2值 1.7 计算评估指标的功能 2、回归 2.1 平均绝对误差 2.2 均方误差 2.3 均方根误差 二、 基于F1值执 继续阅读
基于深度学习FasterRCNN模型Restnet50 的生活垃圾智能分类(准确率达84%)-含python工
目录 前言总体设计系统整体结构图系统流程图 运行环境1. 硬件环境2. Python 环境 模块实现1. 数据预处理2. 数据加载3. 模型构建4. 模型训练及保存5. 模型加载与调用 系统测试1. 模型准确率2. 分类别准确率 工程源代码下载其它资料下载 前言 本项目基于Faster R-CNN模型,通过RPN网络(Region Proposal Network)获取图片中的候选区域,并利用RestNet50模型提取 继续阅读
3. 深度生成模型-扩散模型(基于得分的随机微分方程生成建模)
基于得分[Score-Based]的随机微分方程生成建模 1. 梗概 该框架封装了基于得分的生成建模和扩散概率建模,产生新的采样过程和新的建模能力。 在求解反向时间SDE中, 我们引入了一个预测-校正框架来校正离散化反向时间SDE演化中的误差。我们还推导出了一个等效的神经ODE,它从与SDE相同的分布中进行采样,但还可以进行精确的似然计算,并提高采样效率。我们还提供了一种使用基于得分的模型解决反向问题的新方法,正如类条件生成、图像修复和彩色化的实验所证明的那样。 结合 继续阅读
主数据元数据 元数据的概念、分类及作用
导读:要从事大数据技术相关职业,首先就要掌握几个关键概念,元数据就是掌握大数据技术本质最重要的概念,可以说具有牵一发而动全身之作用,今天我们就重点介绍一下元数据的概念、分类及作用。 一、元数据的定义 元数据(MetaData)通常被定义为:关于数据的数据(Metadata),或者描述数据的数据(data about data),对数据及信息资源的描述性信息。元数据是所有数据中最重要的数据,也是整个银行业数据和计算机软件的基础。 如体检报告 继续阅读
three.js几何体的_UV_、法向属性以及BufferGeometry类介绍
一、几何体的_UV_以及法向属性 UV属性是一组二维坐标,每个顶点都有一个对应的UV坐标。在三维模型上贴上二维的纹理贴图时,需要将所有顶点映射到纹理上的对应位置。UV属性的取值范围一般是[0,1],表示纹理上的相对位置。通过修改UV属性,可以在UV贴图上切换不同的图案或调整纹理贴图的映射效果。 法向属性是每个顶点的法向量,用于确定顶点所在面的方向和光照效果。在three.js中,光照效果是基于每个顶点的法向 继续阅读
人工智能交互革命:探索ChatGPT的无限可能 第12章 ChatGPT与人类交互的未来
第12章ChatGPT与人类交互的未来 12.1ChatGPT在与人类交互中的优势和局限 近年来,自然语言处理技术的快速发展使得ChatGPT(Generative Pretrained Transformer)这样的自然语言生成模型在人工智能领域中受到广泛关注。作为一种具有自主思考和创造力的智能机器人,ChatGPT在与人类交互方面有着显著的优势和一些局限性。本节将深入探讨ChatGPT在与人类交互方面的优势和局限性。 语言理解和生成的能力 ChatGPT是一种基于预训练的自然语言生成 继续阅读