点击切换搜索课件文库搜索结果(413)
文档格式:PPT 文档大小:282KB 文档页数:50
在软件工程中,把面向对象方法产 生之前的软件开发方法统称为传统的 工开发方法,主要有面向数据流的结构 化方法和面向数据结构的ckOn方法
文档格式:PPT 文档大小:128KB 文档页数:14
调用一个对象方法的机制: 编译器检查对象声明类型和方法名。 编译器检查方法调用中的参数类型。 如果方法类型为 private、 static、 final或 者是一个构造器,那么编译器也会准确地知 道该调用哪个方法,这称之为静态绑定。 与此相反,靠隐式参数的实际类型来决定调 用哪个方法称之为动态绑定,这必须发生在 运行时
文档格式:PDF 文档大小:554.2KB 文档页数:7
相界面积对气液两相流中传热、传质、物理化学反应等动力学过程影响重大.为获取这一参数,提出一种根据两相流数值模拟结果计算相界面积的方法.此方法借鉴分段线性重构界面的思想,在各网格单元内以平面近似真实相界曲面,根据目标流体的体积分数及其梯度向量将网格内相界面形貌归为五类,进而采用不同的方法分别计算各类相界面的面积.在铜转炉熔池内两相流数值模拟结果分析中的应用效果表明:该方法能有效提取两相流体系中任意区域的相界面积,从而为体系动力学特征的定量分析提供依据.利用相界面积数据,进一步计算了氧气利用率并识别出熔池内‘高效反应区’,计算和识别结果与工程实际吻合,证实了该方法的准确性
文档格式:DOC 文档大小:1.54MB 文档页数:9
一、教学内容 本章讨论如何在VB6.0中编写图形应用程序 二、目的要求 通过对本章的学习,使学生理解VB中坐标系的概念;掌握用Line控件、 Shape控件画直线、矩形、圆(弧)、椭圆的方法;掌握图片框、图象框的常用属性、常用方法、图片的载入及应用;掌握用Pset方法、Line方法、 Circle方法画点、矩形、圆(弧)、椭圆的方法;
文档格式:DOC 文档大小:27.5KB 文档页数:2
实验五误码测试实验 一、实验目的 1.熟悉误码测试仪的使用方法。 2.熟悉误码测试的电路和方法。 3.分析产生误码的原因及减少误码的方法。 二、实验仪器设备 HD8670型移动通信实验箱、误码测试仪等 三、实验内容 1.熟悉误码测试仪的使用方法。 2.熟悉误码测试的电路和方法。 3.分析产生误码的原因及减少误码的方法
文档格式:PDF 文档大小:999.59KB 文档页数:14
本文评述了由组成三元系的二元系预示三元系性质的各种经验方法并讨论了对多组元体系的推广。使用亚正规溶液模型比较了这些方法并推导了若干可作直接比较的表达式。对于对称体系的处理,推荐了一项通用的数值方法和等价的解析方法。对于非对称体系的处理,除了强调将非对称三元系转换为交互系进行处理和使用形式上对称的表达式的可能性以外,还推荐了一项数值方法
文档格式:PDF 文档大小:11.51MB 文档页数:9
针对实际振动信号中多分量分离问题,在生成微分方程解调技术的基础上,提出一种新的迭代分解方法.首先采用生成微分方程(generating differential equation,GDE),估计初始振动信号的瞬时频率和幅值包络,然后对瞬时频率通过低通滤波分离出第一个频率,基于此频率对原始信号通过高通滤波器后提取的成分作为第一个分量,最后用初始信号减去第一个分量的余值作为下一次迭代的初始值,迭代同样的步骤分析分解直到获取所有信号分量,以低于能量比阈值作为迭代终止条件.本方法不需要先验信息.通过仿真信号验证并与传统方法进行对比分析,证明了方法的有效性.通过实测轴承试验信号的故障分析,证明了方法的实用性
文档格式:DOC 文档大小:46KB 文档页数:3
1、掌握现场尸体外表检验方法; 2、掌握法医解剖程序、方法; 3、掌握脏器检验方法及检材的采取方法; 4、熟悉特殊尸体检查方法; 5、了解组织切片染色方法及程序
文档格式:PDF 文档大小:505.98KB 文档页数:7
针对现今煤岩图像识别方法的缺乏与不足,为了挖掘新的煤岩图像识别方法以及更好地处理高维煤岩图像数据,提出了基于最大池化稀疏编码的煤岩识别方法.本方法在提取煤岩图像特征时加入了池化操作,在分类识别时采用了集成分类器,即多个弱分类器组成一个强分类器.实验结果表明:最大池化稀疏编码的特征提取方式能简单有效表达煤岩图像的纹理特征,大大增强煤岩图像的可区分性,获得较高的识别率,并且具有良好的识别稳定性.研究结果可为煤岩界面的自动识别提供新的思路和方法
文档格式:PDF 文档大小:1.92MB 文档页数:10
传统的分类算法大多假设数据集是均衡的,追求整体的分类精度.而实际数据集经常是不均衡的,因此传统的分类算法在处理实际数据集时容易导致少数类样本有较高的分类错误率.现有针对不均衡数据集改进的分类方法主要有两类:一类是进行数据层面的改进,用过采样或欠采样的方法增加少数类数据或减少多数类数据;另一个是进行算法层面的改进.本文在原有的基于聚类的欠采样方法和集成学习方法的基础上,采用两种方法相结合的思想,对不均衡数据进行分类.即先在数据处理阶段采用基于聚类的欠采样方法形成均衡数据集,然后用AdaBoost集成算法对新的数据集进行分类训练,并在算法集成过程中引用权重来区分少数类数据和多数类数据对计算集成学习错误率的贡献,进而使算法更关注少数数据类,提高少数类数据的分类精度
首页上页89101112131415下页末页
热门关键字
搜索一下,找到相关课件或文库资源 413 个  
©2008-现在 cucdc.com 高等教育资讯网 版权所有