Android动画插件

资源描述 资源描述 采用 jsp，gsp groovy， 与 OpenNMS 互操作的插件。

weka  分类算法 自己编写的一个小算法 用于weka中，数据分类-I have written for a small weka algorithm, the data pre-processing

该系统主要是简单地对SSh框架的应用，同时也是对一些基础知识的回顾，其中用到的技术有权限控制，数据报表，数据的导入导出，以及一些数据的基本管理

这是一个用java开发的小型超市管理系统，包括收银管理、仓库管理和销售信息管理，分为3个角色，分别为收银员、仓库管理员和经理、数据库采用SQL数据库

Java图书馆管理

浸出排列节点 在将网络划分为小集群和选择他们作为群集头之一。节点第一 感觉到它的目标，然后将相关信息发送给它的群集头。然后 群集的头聚合并压缩所有节点从收到的资料和 将它发送给基站。选择作为群集的头节点放出更多的能量 与其他节点发送的要求对基础数据站， 可能远所在。因此浸出使用随机旋转将所需的节点 群集元首，均匀分布在网络中的能源消耗。TDMA/CDMA MAC 用于减少间群集和群集内的碰撞事故。使用此协议是通过不断监测的传感器节点都必需的数据的收集集中 (在基站） 和定期执行。 浸出操作可以分为两个阶段：- 1.安装阶段 2.稳定阶段 在安装阶段，形成的群集和群集头 (CH) 选择为每个 群集。虽然在稳定阶段中，数据是感觉到并发送到中央的基站。 稳定期长于安装阶段。这样做是为了尽量减少 开销成本。

本系统前台主要使用JSP作为开发语言，后台使用SqlServer作为数据库管理系统，开发环境是MyEclipse，服务器采用tomcat，开发出的一个基于Web技术的B/S结构的基于在线管理系统。 可以供学习参考。

Canny 是使用多阶段的一种算法来检测范围广泛的边缘图像中的边缘检测算子。康力的目的是要发现的最优边缘检测算法。在此情况下，"最佳"边缘探测器是指： 很好的检测 — — 算法尽可能应将标记作为许多真正边在图像中。 良好的定位 — — 边缘标记应尽可能接近真实图像中的边缘。 最小的反应 — — 一个给定的边缘图像中应只有一次，标记并在可能的情况下，图像噪声不应创建虚假的边缘。 Canny 算法的阶段 1.降噪 2.找到图像的强度渐变 3.非最大抑制 4.追踪通过图像和滞后阈值边缘

它提供超过 52 挖掘序列模式的数据挖掘算法的实现顺序规则协会规则，流连于集、 星团和更多。它有七十多篇文章中引用自 2010 年以来。 SPMF 包括如 CMRules，RuleGrowth，TRuleGrowth，TopKRules，我自己的数据挖掘算法的实现TopSeqRules、 TNR TNS。

资源描述TF-IDF（term frequency–inverse document frequency）是一种用于资讯检索与资讯探勘的常用加权技术, TFIDF的主要思想是：如果某个词或短语在一篇文章中出现的频率TF高，并且在其他文章中很少出现，则认为此词或者短语具有很好的类别区分能力，适合用来分类。TFIDF实际上是：TF * IDF，TF词频(Term Frequency)，IDF反文档频率(Inverse Document Frequency)。TF表示词条在文档d中出现的频率。IDF的主要思想是：如果包含词条t的文档越少，也就是n越小，IDF越大，则说明词条t具有很好的类别区分能力。如果某一类文档C中包含词条t的文档数为m，而其它类包含t的文档总数为k，显然所有包含t的文档数n=m + k，当m大的时候，n也大，按照IDF公式得到的IDF的值会小，就说明该词条t类别区分能力不强。但是实际上，如果一个词条在一个类的文档中频繁出现，则说明该词条能够很好代表这个类的文本的特征，这样的词条应该给它们赋予较高的权重，并选来作为该类文本的特征词以区别与其它类文档。这就是IDF的不足之处。这里采用了外部插件IKAnalyzer-2012.jar，用其进行分词，插件和测试文件可以从这里下载