增删改查案例

移动POSmobile POSmobile POSmobile POSmobile POSmobile POSmobile POSmobile POSmobile POSmobile POSmobile POSmobile POSmobile POSmobile POSmobile POSmobile POSmobile POSmobile POSmobile

自己写的打砖块的小游戏，主要是对基本动画的一些操作，线程的一些简单操作，菜鸟练手用的，通过控制方向键来控制挡板的移动，砖块可以由随机数产生，也可以用数组写死，基本功能应该没有问题，但是毕竟是菜鸟，所以一些地方需要修改完善。                                                                                                                                                                                                                                                     &nbs

     采用jmf多媒体框架，实现实时视频捕捉。服务器端与客户端采用RTP协议进行通信。操作简单。可加以修改做成手机APP

这是用于挖掘频繁项集使用 bits 的先验基地位 Apriori 算法的一个实现

应用背景在fragment布局中可以用侧滑调出选项菜单，调配不同的fragment.关键技术sliding Menu 与fragment配合 fragment之间通讯

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

资源描述sqlserver 2005 数据库系统开发之学生管理系统，运用sqlserver2005数据库，jsp+servlet编写，eclipse开发平台，附完整的视频讲解和详细源代码，欢迎下载~

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

OBDII解析android端源码，方便android端做各种app开发。本代码主要是实现了android端连接OBD蓝牙，然后发送和接受各种命令。

资源描述ssm框架(spring+springmvc+mybatis),一个简单的demo可以参考学习