Java 应用医学管理中的应用

SSD8 ex4的答案，这个是我自己做的，希望可以帮到大家，这个是卡耐基的SSD教程，网络分布式计算应用实验的作业 ，这个是我自己做的，关于实现RMI的方法，希望可以帮到大家

http使用实例，能够获取各个网络上的网页内容，html代码内容直接输出，对于初学java网络编程者来说是非常不错的一个例子，用HttpUrlConnection连接发送报文信息，通过网址寻找网络上的大量网页，获取企html内容信息。

这是一个不同规格格式的图片的采样和量化的java源代码，是数字图像处理中经常要用到的，有一个图形化界面，可以选择要处理的图片，图片处理后可以进行保存。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

本代码是java课程设计，有不错的界面，使用的是GUI编写，数据库使用的是微软sql2000，详情可见压缩包内的word文档。

公共类系统窗口扩展JFrame实现动作侦听器{静态收银台checkstand;//此变量单纯为了保存读至保存HashMap文件中的数据，相当于一个中间媒介

见内容 spring 与Velocity高级应用 velicity 工具类定义使用spring管理的bean

/bj.baidupcs.com/file/27813d809a7398808f443c34a33547e7?xcode=1bcadf62bbca4b149f5958ec4eb4a455961c34c714fb29cb&fid=1980706517-250528-671532214&time=1384678445&sign=FDTAXER-DCb740ccc5511e5e8fedcff06b081203-NioDPRQwdpsWcA0VExRT9UYOsfw%3D&to=bb&fm=N,B,U,e&expires=8h&rt=sh&r=487525554&logid=1017676080&sh=1&vuk=3776941782

Java设计模式  adapter模式          

应用背景这是一个简单的工程，是基于桌面应用的；希望你喜欢它谢谢关键技术关于学生数据，记录，学期名单，报名等。

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