RPC 命令

LDA是一种文档主题生成模型，也称为一个三层贝叶斯概率模型，包含词、主题和文档三层结构。文档到主题服从Dirichlet分布，主题到词服从多项式分布。 LDA是一种非监督机器学习技术，可以用来识别大规模文档集（document collection）或语料库（corpus）中潜藏的主题信息。它采用了词袋（bag of words）的方法，这种方法将每一篇文档视为一个词频向量，从而将文本信息转化为了易于建模的数字信息。但是词袋方法没有考虑词与词之间的顺序，这简化了问题的复杂性，同时也为模型的改进提供了契机。每一篇文档代表了一些主题所构成的一个概率分布，而每一个主题又代表了很多单词所构成的一个概率分布。 对于语料库中的每篇文档，LDA定义了如下生成过程（generative process）： 1. 对每一篇文档，从主题分布中抽取一个主题； 2. 从上述被抽到的主题所对应的单词分布中抽取一个单词； 3. 重复上述过程直至遍历文档中的每一个单词。

本计画将以ns2模拟aodv通讯协定的效能

C语言开发Linux下web服务器(支持GETPOST,SSL,目录显示等) C语言开发Linux下web服务器(支持GETPOST,SSL,目录显示等)

用双向链表实现的一个任务队列，把自己定义的任务继承基类BaseQueue，可以实现对任务的增加，删除，优先级的设置，获取任务等等。

监测天气ORP 的系统。跳过导航链接。实时监控、 展开实时监测。历史数据，扩大历史数据。教学...... 天气传感器和监测设备从斯蒂文斯水，包括降水 (雨) 压力表，风速和方向传感器，相对湿度和......

AOMDV股几大特点与AODV。它是基于距离向量的概念，并使用逐跳路由的方法。此外，AOMDV还用科幻的路由发现过程点播NDS的路线。的主要区别在于在各个路由发现发现路由的数目。在AODV中，从朝向目的地的源的RREQ传播建立既在中间节点上的多个反向路径以及目的地。多个REP进行遍历这些反向的路径返回，以形成在所述源极和中间节点的多个正向传输路径到达目的地。需要注意的是AOMDV还提供了与备用路径的中间节点，因为它们被发现是在减少路由发现有用频率。

这是word2vec的源代码  在linux下使用  如果要在windows下使用可以下载cygwin基于谷歌被屏蔽 所以这个资源很难下载  这是我托国外导师帮忙下载的

linux c 包含时戳 采用追加方式进行日志记录，可以快速移植到开发项目中。

BillboardClouds算法实现，能运行，法国人写的，在LINUX上运行良好，可以支持多种3D文件格式

在PPC上安装7zip；使用软件包自带的安装方法进行安装；安装前需要将install.sh权限设置为755；