网络营销是电子商务的重要组成部分和主要表现形式,是当前经济管理理论研究和企业 实践的热点。本课程是电子商务专业的主干理论课程。课程的任务主要是讨论网络营销学的 理论体系,网络虚拟市场开展营销活动的原理和特点、环境与方法、工具和手段、目标与实 施控制等相关内容,网络营销的操作思路和运作技巧,使学员对网络营销的理论体系有一个 系统的了解,对在网络虚拟市场开展营销活动的原理和特点、环境与方法、工具和手段、目 标与实施控制等相关内容,得到全面的领会和感性认识,并掌握开展网络营销的操作思路和 相应的运作技巧

从外部获取 Access2 2003数据库所需数据有两个不同 的概念。 1.从外部导入数据 即从外部获取数据后形成自己数据库中的数据表对象, 并与外部数据源断绝联结,这意味着当导入操作完成 以后,即使外部数据源的数据发生了变化,也不会再 影响已经导入的数据。 2.从外部链入数据 即在自己的数据库中形成一个链接表对象,这意味着 链入的数据将随时随着外部数据源数据的变动而变动 何时该应用何种获取外部数据的方式,需根据具体应 用的实际需求而定

交叉表查询是 Access支持的另一类查询 对象。交叉表查询显示来源于表中某个字段 的总结值(合计、计算以及平均),并将它 们分组,一组列在数据表的左侧,另一组列 在数据表的上部。例如,在“零售商店管理信息 系统”数据库的“销售数据记录”表中,如果 希望得到各个销售人员的销售总金额一览表 ,就需要应用交叉表查询来实现。可以看到 ,交叉表查询运行的显示形式,是作为数据 源的表转置后形成的数据表。即,将数据源 表中的某一字段数据作为交叉表查询的字段 名,某几个字段数据作为分类汇总的依据, 某一个字段数据被汇总计算后显示在各自的 字段下

Access2003数据表对象由两个部分构成: 表对象的结构和表对象的数据。数据表对象的 结构是指数据表的框架,也称为数据表对象的 属性,主要包括: 1.字段名称—数据表中的一列称为一个字段,而每一 个字段均具有唯一的名字,被称为字段名称。 2.数据类型—数据表中的同一列数据必须具有共同的 数据特征,称为字段的数据类型。 3.字段大小——数据表中的一列所能容纳的字符或数字 的个数被称为字段大小

提出一种基于参考模型的视网膜特征量化方法，结合医生诊断过程中关注的视网膜形态变化特征，提出一系列适用于计算机判断分析视网膜状态的可量化特征.在完成正常光学相干断层成像（OCT）中视网膜内界膜（ILM）、光感受器内外节交界处（ISOS）、布鲁赫膜（BM）分割提取的基础上，利用统计方法构建正常视网膜参考模型.结合参考模型和医生所关注的视网膜厚度、边界平滑度以及边界连续性，实现视网膜不同区域厚度特征、厚度比值特征、梯度特征、曲率、标准差、相关系数特征的计算.基于正常OCT图像所构建的参考模型，获取了正常视网膜的厚度及形态特征量化数值.通过分析比较异常OCT图像与参考模型特征数值之间的差异，可以对应表征出异常图像中病变导致的异常形态所在位置及严重程度.实验结果表明，通过参考模型获得的正常视网膜特征信息可以为医生提供数值参考，同时对异常OCT图像量化得到的特征数值可以表现出图像中的异常形态，为后续的异常判断提供基础

深度神经网络近年在计算机视觉以及自然语言处理等任务上不断刷新已有最好性能，已经成为最受关注的研究方向.深度网络模型虽然性能显著，但由于参数量巨大、存储成本与计算成本过高，仍然难以部署到硬件受限的嵌入式或移动设备上.相关研究发现，基于卷积神经网络的深度模型本身存在参数冗余，模型中存在对最终结果无用的参数，这为深度网络模型压缩提供了理论支持.因此，如何在保证模型精度条件下降低模型大小已经成为热点问题.本文对国内外学者近几年在模型压缩方面所取得的成果与进展进行了分类归纳并对其优缺点进行评价，并探讨了模型压缩目前存在的问题以及未来的发展方向

多聚焦图像融合是计算机视觉领域中的一个重要分支，旨在使用图像处理技术将同一场景下的聚焦不同目标的多张图像中各自的清晰区域进行融合，最终获得全清晰图像。随着以深度学习为代表的机器学习理论的突破，卷积神经网络被广泛应用于多聚焦图像融合领域，但大多数方法仅关注网络结构的改进，而使用简单的两两串行融合方式，降低了多图融合的效率，并且在融合过程中存在的失焦扩散效应也严重影响了融合结果的质量。针对上述问题，在显微成像分析的应用场景下，提出了一种最大特征图空间频率融合策略，通过在基于无监督学习的卷积神经网络中增加后处理模块，规避了两两串行融合中冗余的特征提取过程，实验证明该策略显著提高了多张图像的多聚焦图像融合效率。并且提出了一种矫正策略，在保证融合效率的情况下可有效缓解失焦扩散效应对融合图像质量的影响

首先介绍了传统的编队控制方法的定义、特点和常用方法及优缺点,并将传统编队控制时代定义为前编队控制时代.随着多智能体技术的发展,将多智能体技术引入到编队控制问题中,诞生了众多新的研究成果,称为后编队控制时代.后编队控制时代以多智能体技术为基础,随着通信技术、计算机技术、人工智能技术的发展而逐渐壮大起来,并受到了学者的广泛关注.前编队控制时代强调多机器人通过编队协作完成单个机器人无法实现的任务,提高任务完成效率且缩短任务完成时间.后编队控制时代则是在前编队控制时代的基础上,更强调低成本、同步性和协同性,但却不那么重视每个个体的任务分工,甚至是按照规则自由分配任务,不再有“不可替代冶的个体存在.最后给出了研究编队控制问题的基本思路和目前尚待解决的关键问题

近年来，无人机入侵的事件经常发生，无人机跌落碰撞的事件也屡见不鲜，在人群密集的地方容易引发安全事故，所以无人机监测是目前安防领域的研究热点。虽然目前有很多种无人机监测方案，但大多成本高昂，实施困难。在5G背景下，针对此问题提出了一种利用城市已有的监控网络去获取数据的方法，基于深度学习的算法进行无人机目标检测，进而识别无人机，并追踪定位无人机。该方法采用改进的YOLOv3模型检测视频帧中是否存在无人机，YOLOv3算法是YOLO（You only look once，一次到位）系列的第三代版本，属于one-stage目标检测算法这一类，在速度上相对于two-stage类型的算法有着明显的优势。YOLOv3输出视频帧中存在的无人机的位置信息。根据位置信息用PID（Proportion integration differentiation，比例积分微分）算法调节摄像头的中心朝向追踪无人机，再由多个摄像头的参数解算出无人机的实际坐标，从而实现定位。本文通过拍摄无人机飞行的照片、从互联网上搜索下载等方式构建了数据集，并且使用labelImg工具对图片中的无人机进行了标注，数据集按照无人机的旋翼数量进行了分类。实验中采用按旋翼数量分类后的数据集对检测模型进行训练，训练后的模型在测试集上能达到83.24%的准确率和88.15%的召回率，在配备NVIDIA GTX 1060的计算机上能达到每秒20帧的速度，可实现实时追踪

第一章 软件工程基本观念 1.1 软件工程的目标与常用模型 1.2 软件开发的基本策略 1.3 一些不正确的观念 1.4 一些有争议的观念 1.5 小结 第二章 程序员与程序经理 2.1 了解程序员 2.2 了解程序经理 2.3 程序员升为经理后是否还要编程 2.4 经理与技术队伍的建设 2.5 向错误与失败学习 2.6 提高综合素责 2.7 小结 第三章 项目计划与质量管理 3.1 项目计划 3.2 零缺陷质量管理的观念 3.3 软件的质量因素 3.4 质量检查 3.5 小结 第四章 可行性分析与需求分析 4.1 可行性分析的要素 4.2 可行性分析案例——投资软件公司失败的教训 4.3 需求分析为什么困难 4.4 如何进行需求分析 4.5 小结 第五章 系统设计 5.1 体系结构设计 5.2 模块设计 5.3 数据结构与算法设计 5.4 用户界面设计 5.5 系统设计示例——支持协同工作的交互式三维图形软件开发系统 5.6 小结 第六章 C++ 面向对象程序设计 6.1 C++面向对象程序设计的重要概念 6.2 良好的编程风格 6.3 小结 第七章 测试与改错 7.1 对测试的理解 7.2 测试人员的选择 7.3 测试的主要内容与常用方法 7.4 改错 7.5 小结 第八章 维护与再生工程 8.1 软件维护的常识 8.2 维护的代价及其主要因素 8.3 再生工程 8.3.1 重构 8.4 小结