练习项目备选清单

练习项目备选清单

Utilities

1. 文件下载器

功能概要设计:
  1. 实现新建下载功能(以ftp为基础)
  2. 给出下载链接可以启动下载任务
  3. 实现局域网内下载\传输文件
  4. 以单线程下载方式实现
附加功能:
  1. 支持断点续传
  2. 实现多线程下载
  3. 实现BT下载
参考技术:
  1. 套接字(Socket编程)
  2. 多线程编程

2. 音、视频播放器

功能概要设计:
  1. 实现播放常见音频格式文件(mp3wavogg
  2. 实现播放常见视频格式文件(mp4avi
  3. 可创建播放列表
附加功能:
  1. 实现URL播放,可播放本地和网络文件
  2. 实现播放历史、记忆播放进度功能
参考技术:
  1. 解码器
  2. URL

3. 垃圾文件清理工具

功能概要设计:
  1. 根据所选驱动器,扫描无用文件并输出结果
  2. 实现清理无用文件功能
  3. 预留扩展接口,用户可自定义清理
参考技术:
  1. 文件操作编程
  2. 提升权限操作

4. 函数图像绘制工具

功能概要设计:
  1. 根据输入的初等函数,绘制其在一定区间内的函数图像
  2. 可在同一坐标系内绘制多个函数图像
  3. 实现局部放大
参考技术:
  1. 高等数学
  2. GDI编程

5. 系统资源管理器

功能概要设计:
  1. 实现监视进程功能,实时刷新进程相关信息,并能新建、结束进程
  2. 实现监视内存功能
附加功能:
  1. 实现磁盘使用情况扫描功能
  2. 以类Windows任务管理器的方式显示出CPU使用情况
参考技术:
  1. 系统进程相关编程
  2. GDI编程
  3. 提升权限操作

6. 快速图片处理工具

功能概要设计:
  1. 实现图片的锐化处理
  2. 实现图片的去色处理
  3. 实现调整图片对比度的处理功能
附加功能:
  1. 实现只保留图片中R、G、B中某一纯色的处理功能
  2. 实现修改图片的Exif信息
参考技术:
  1. Exif信息
  2. 计算机图像处理

MIS

1. 收银计费系统

功能概要设计:
  1. 实现计费系统的基础功能(以网吧、酒店等为例,选取某一类型开发对应管理系统)
  2. 以C/S架构为基础进行实现
  3. 考虑生活常识,如用户的注册与服务端的管理等
参考技术:
  1. Socket编程

2. 人员信息管理系统

功能概要设计:
  1. 以公司、学校等为例,选取某一类型开发对应管理系统
  2. 只开发服务器管理端,假定所有数据存储于运行该系统的计算机内
参考技术:
  1. 数据库基础编程

3. 邮件管理系统

功能概要设计:
  1. 实现邮件的收发功能
  2. 实现通讯录的创建与修改功能
参考技术:
  1. SMTPPOP3IMAP

4. 媒体文件管理系统

功能概要设计:
  1. 实现为磁盘上文档、音频、视频、图像文件添加个性标签功能(不修改源文件)
  2. 按照标签进行分类管理(不更改源文件位置)
  3. 用户可在本系统中在资源管理器中打开文件位置
  4. 实现绘制当前被加入到该系统中的媒体文件的组织结构图(磁盘位置视图、标签分类视图)
参考技术:
  1. 数据库基础编程

Games

1. Flappy Bird

功能概要设计:
  1. 实现自定义过后的Flappy Bird
  2. 使用鼠标操作

2. 五子棋

功能概要设计:
  1. 实现五子棋游戏(玩家与AI对战)
  2. 使用鼠标操作
  3. 实现初级、中级、高级难度的AI

3. 空当接龙

功能概要设计:
  1. 实现Windows自带的空当接龙游戏
  2. 要求与Windows自带版本完全一致

4. 连连看

功能概要设计:
  1. 实现连连看游戏
  2. 使用鼠标操作

5. 桌面宠物

功能概要设计:
  1. 实现一个桌面宠物,至少要求做出宠物的某些动作,如旋转身体等
  2. 可用鼠标与其简单交互

Comprehensiveness

1. 局域网聊天室

功能概要设计:
  1. 实现以C/S架构为基础的客户端程序、服务器端程序
  2. 要求该聊天室能至少同时有除服务器端外的两台客户机
  3. 针对聊天记录的显示以及存储时限进行设计
参考技术:
  1. Socket编程
  2. 多线程编程

2. 网页GET、POST工具

功能概要设计:
  1. 实现网页填表功能
  2. 实现网页数据抓取功能
参考技术:
  1. 网页填表

3. 窗口盗窃工具

功能概要设计:
  1. 实现点击目标窗口标题后,将目标窗口“装”入程序内的“盗窃”功能
  2. 实现拦截用户对目标窗口的一切鼠标、键盘操作
参考技术:
  1. HOOK编程

4. 安卓模拟器自动领取红包工具

功能概要设计:
  1. 在安卓模拟器内登陆QQ后,监视聊天记录内是否有可领取的红包
  2. 自动领取普通红包、口令红包

5. 程序员风格记事本

功能概要设计:
  1. 打造自定义的记事本,实现运行当前编写的脚本\程序(cmd\batC\C++PythonJava
  2. 支持自动格式缩进(Tab键)
  3. 实现自定义配色方案
参考技术:
  1. 系统进程编程

MSC@CQU

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值