-
VC++基于socket传输文件服务端和客户端代码
VC++基于socket传输文件服务端和客户端代码,并且加入配置文件
- 2020-12-01下载
- 积分:1
-
TMS320C6713 DSP 中断设置完整教程
关于DSP的C6000系列,特别是C6713型号,中断设置的过程,和程序实例,具有很高的参考价值。
- 2020-12-02下载
- 积分:1
-
DMA+ADC+TIMER+FFT
【实例简介】使用TIMER定时器触发ADC采集,并将采集的数据通过DMA传送出来,连续采集1024个点后进行一次FFT运算,可以精确定时进行连续多样的采集,使用内部DSP库进行FFT计算结果可以很精确。
- 2021-11-07 00:37:40下载
- 积分:1
-
一种简单的数字图像复制粘贴检测
用MATLAB实现了基于sift的数字图像复制粘贴检测
- 2020-12-05下载
- 积分:1
-
GCCA因果分析工具(Matlab)
Matlab上的基于GCCA算法的因果分析工具,带有使用说明书
- 2020-12-11下载
- 积分:1
-
广数980td系列2级密码及相关操作
GSK980TD配置流程: (1)用串口通信电缆连接PC机和GSK980TD;(2)在PC机上运行配置软件GSKCC,设置串行通讯端口和波特率;(3)在GSK980TD录入方式下进入密码设置界面,输入机床厂家密码(2级操作密码),按PC机的通讯波特率设置参数№44;(4)点击GSKCC工具栏的建立连接按钮,PC机和GSK980TD建立连接。如果连接失败,需检查通信电缆连接、串行通讯端口和波特率设置;(5)点击GSKCC文件上传按钮,在对话框中选择文件(建议选择全部文件),将系统的文件上传至PC机,GSKCC将文件保存在新建的配置工程中(建议将配置工程另存作备份);(6)在GSKCC界面编辑PLC梯形图、参数、刀补数据、螺补数据、加工程序等文件并保存配置工程;(7)确认配置工程正确后,打开GSK980TD的参数开关和程序开关,并输入2级操作密码,点击GSKCC工具栏的建立连接按钮,PC机和GSK980TD建立连接;(8)点击GSKCC工具栏的文件下载按钮,在对话框中选择需下载到系统的文件,点确定后,GSKCC将已选择的文件下载到GSK980TD;(9)文件下载完成后,GSK980TD须重新上电下载的PLC梯形图和参数才能生效。GSK980TD配置完成后,应进行功能检查、调试。 如果已有完整的配置工程文件,可以用GSKCC打开已有的配置工程,直接下载到GSK980TD完成配置。 可以用通讯电缆连接已配置和未配置的GSK980TD,从已配置的系统向未配置的系统遂一传送PLC梯形图、参数、刀补数据、螺补数据、加工程序等文件,完成GSK980TD 的配置。GSK980TDCNC间的文件传输操作详见《GSK980TD产品说明书·第三篇操作说明》。 注意: z下载包含PLC梯形图、参数、刀补数据、螺补数据等文件的配置工程时,GSK980TD 里对应的文件将被直接覆盖(替换),下载配置工程前务必确认文件的准确性。GSKCC 新建的配置工程里,PLC程序为空梯形图,所有的参数数据为0,如果新建的配置工程未编辑就直接下载,GSK980TD会因为PLC梯形图、参数被覆盖而无法正常工作。z建议机床厂家在配置、调试完成后,将GSK980TD的PLC梯形图、参数、刀补数据、 螺补数据、加工程序文件以GSKCC的配置工程保存到PC机作为资料备份,方便同类机床配置、调试,也便于产品出厂后的维护。
- 2020-06-24下载
- 积分:1
-
主观题阅卷系统
基于相似度计算的主观题阅卷系统设计,此系统通过ictclas把答案进行分词,然后把分词结果对照中文停用词表把一些没有实际意义的词语过滤掉,然后根据余弦定理计算出学生答案和标准答案的相似度。句子分词是直接用的中科院的ictclas,其他地方是自己写的,包括分词后每个词的权值啦,去除无意义的词啦(比如:的,像,是,好。。。等等对照停用词表),最后通过自己的计算公式,计算出学生答案和标准答案的相似度百分比。可以直接在main方法中测试,不过自己又添加了struts,所以也可以在页面当中进行测试。功能经过自己测试完全通过,至于美化页面,自己有兴趣可以完善一下。
- 2020-11-30下载
- 积分:1
-
如何计算随机时滞微分方程,主要是高斯白噪声的情况
如何计算随机时滞微分方程,主要是高斯白噪声的情况
- 2020-11-03下载
- 积分:1
-
Dijkstra算法的流程图
Dijkstra算法的流程图,具体的算法的实现,以及该算法的文档。
- 2021-05-06下载
- 积分:1
-
两个matlab实现的K-MEANS聚类算法
%k-means 算法接受输入量 k ;然后将n个数据对象划分为 k个聚类以便使得所获得的聚类满足:%同一聚类中的对象相似度较高;而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”(引力中心)来进行计算的。%k-means 算法的工作过程说明如下:首先从n个数据对象任意选择 k 个对象作为初始聚类中心;而对于所剩下其它对象,%则根据它们与这些聚类中心的相似度(距离),分别将它们分配给与其最相似的(聚类中心所代表的)聚类;%然后再计算每个所获新聚类的聚类中心(该聚类中所有对象的均值);%不断重复这一过程直到标准测度函数开始收敛为止。一般都采用均方差作
- 2021-05-07下载
- 积分:1