- 博客(65)
- 收藏
- 关注
RSS订阅原创 vue+springboot+mybatis-plus实现乡村公共文化服务系统
乡村公共服务文化提供给管理员、商家、村民。管理员只能进入后台管理系统，商家和村民进入前台系统。前台系统包括：文化推送、体育健康、特色美食、艺术展览和问题申诉后台管理系统包括：用户权限管理、文化推送、体育健康、特色美食、艺术展览、问题。
2024-01-09 20:30:54
526
原创 vue+springboot+mybatis-plus实现校园社团管理系统
校园社团管理系统，分为前台和后台，后台提供给管理员、前台提供给参与者。参与者功能：社团申请、活动申请、经费申请和个人信息。管理员功能：用户管理、社团管理、活动管理、经费管理等。
2024-01-09 19:55:55
481
原创 vue+springboot+mybatis实现项目管理系统
项目管理系统，功能包括：任务管理、消息管理、项目系统、客户系统、人员系统、考勤系统等。任务管理：任务发布、查看消息管理：发送信息、收件箱、发件箱项目系统：项目基本信息、项目需求信息、项目模块信息、项目功能信息客户系统：客户的添加人员系统：人员信息、职务信息考勤系统：考勤类型、员工考勤情况。
2024-01-09 19:43:08
509
原创 vue+springboot+mybatis-plus实现新生报到管理系统
新生报到管理系统整体技术架构包括前端、后端、数据库以及测试。前端采用主流框架Vue，集成Element-ui、Axios以及Echarts，其中Element-ui作为组件库，Axios进行异步通信，Echarts用来绘制图表。后端采用微服务框架SpringBoot，主要集成Tomcat、Apache Shiro、JWT、MyBatis Plus、Spring AOP、Slf4j和Easy Poi等。
2024-01-08 11:09:30
1007
原创 C#实现个人账本管理系统
LedgerManagementSystem是一个小型的个人账本管理系统，可对收支项目进行增加、删除、修改、查询以及导入和导出。可对每日的各类收支项目进行汇总并查看和修改收支项目明细，可按日和月进行分类汇总管理。完成的主要模块：用户管理模块、收支项目管理模块、日账单管理模块、月结算管理模块。根据系统的功能划分和实现的方便，我们将整个程序分为三层：数据层(DAL)、业务层(BLL)和界面层(UI)。数据层负责对数据库进行操作，包括向表中插入数据、更新数据、查询数据和删除数据。
2024-01-08 11:00:17
889
原创 安卓开发——个人账本管理系统
个人记账系统，可对收支项目进行增加、删除、修改。可对每日的各类收支项目进行汇总。完成的主要模块：用户管理模块、收入项目管理模块、支出项目管理模块、日账单管理模块。根据系统的功能划分和实现的方便，我们将整个程序分为四层：DAO、Entity、Impl、Activity。DAO层用来实现功能接口，Entity层用来存储各种对象，Impl层用来实现数据库操作功能，Activity层主要用来控制页面操作。用户管理。
2024-01-08 10:54:18
576
原创 C语言实现学生管理系统
任务概述：设计一个简单的教务管理程序，能新增、查询、显示、修改和删除学生的各科成绩信息。能够从屏幕上根据提示读取一个学生的成绩信息并保存。学生的各科成绩数据用文件来存储，按学号排序存放。记录修改：能选择修改学生的姓名、班级和各科成绩，学号不可修改。在修改或删除之前需要用户进一步确认，确认无误后再进行操作。能够按学号或姓名查询学生的成绩并显示。统计功能：可以统计全部学生的总成绩及班上的排名；统计各科的平均成绩和及格率。
2024-01-08 10:41:20
349
原创 java实现教务管理系统
git地址：https://gitee.com/myshort-term/school-management 开发教务管理系统程序，设计了ems（EMSApp）、dao（AssignmentDAO、CourseDAO、DeptDAO、ScoreDAO、UserDAO、EmailDAO）、domain（Assignment、Course、Department、Score、User）、test（MySQLDemo）和util（AssignmentInput、CourseInput、DataInpu
2024-01-08 10:37:07
699
原创 java实现图书管理系统
图书管理系统，角色包括：用户和管理员，用户和管理员信息：用户名、密码、性别、生日等。初始功能：登录、注册。用户功能：查找已借阅书本、借阅书本、归还书本和查找指定书本。管理员功能包括：查看所有书本、添加书本、删除书本和查找指定书本。
2024-01-08 10:29:20
325
原创 解非线性方程python实现黄金分割法
黄金分割法（Golden Section Method）也叫0.618法，也是一种在区间上进行迭代的数值计算方法。它与二分法都通过不断缩小搜索区间来逼近方程的解。与二分法不同的是，二分法将搜索区间均匀地切割为两半，而黄金分割法将搜索区间不等分为两部分，每次迭代后搜索区间按照黄金分割比例缩小。
2023-11-12 16:10:28
551
原创 隐私计算python实现Paillier同态加密
其中，加密算法用于将明文加密为密文，解密算法用于将密文解密为明文。1.随机选择两个长度相等的大素数p，q，并满足gcd(pq,(p-1)(q-1))=1，这里gcd表示最大公约数。2.计算n=pq以及λ=lcm(p-1,q-1)，这里lcm表示最小公倍数。公钥pk=(n,g)=(391,392)，私钥sk=(176,20)2.计算n=pq=391，λ=lcm(16,22)=176。2.选择随机数r=5，gcd(5,391)=1。公钥pk=(n,g)，私钥sk=(λ,μ)3.取整数g=n+1=392。
2023-10-26 16:25:13
1381
原创 解线性方程组python实现直接分解法（Doolittle，克劳特，追赶法）
克劳特分解与Doolittle分解的区别在于它将单位矩阵的元素放在上三角矩阵U的对角线上，而不是下三角矩阵L。下三角矩阵L：下三角矩阵L的对角线元素都为1，其余元素满足L的上三角部分全为0。下三角矩阵L：下三角矩阵L的对角线元素都为1，其余元素满足L的上三角部分全为0。LU分解：给定一个n×n的矩阵A，LU分解将其分解为一个下三角矩阵L和一个上三角矩阵U的乘积，即A = LU。LU分解：给定一个n×n的矩阵A，LU分解将其分解为一个下三角矩阵L和一个上三角矩阵U的乘积，即A = LU。
2023-10-21 10:04:57
1355
原创 解线性方程组python实现迭代法（Jacobi迭代、Gauss-Seidel迭代、松弛迭代）
Gauss-Seidel迭代法相比于Jacobi迭代法的改进之处在于，在每次迭代中，它使用了已经更新过的解向量的新分量来计算下一个未知数的新值，从而加快了收敛速度。将系数矩阵A进行对角分解，得到三个矩阵D、L和U，其中D是A的对角矩阵，L是A的严格下三角矩阵（即主对角线以下元素为0），U是A的严格上三角矩阵（即主对角线以上元素为0）。将系数矩阵A进行对角分解，得到三个矩阵D、L和U，其中D是A的对角矩阵，L是A的严格下三角矩阵（即主对角线以下元素为0），U是A的严格上三角矩阵（即主对角线以上元素为0）。
2023-10-20 17:02:50
2859
原创 解线性方程组python实现消元法（高斯消元、列主元、高斯约旦）
前向消元：通过一系列初等行变换将增广矩阵转化为上三角矩阵或下三角矩阵，过程中主要操作为加减消元，即利用第 ii 行的倍数加到第 jj 行（i
2023-10-19 17:26:44
2641
原创 隐私计算python实现差分隐私（待更新）
一随机算法A满足ε-差分隐私，当且仅当对任意“相邻”数据集D和D'及任意输出O都成立，则称算法满足ε-差分隐私。
2023-10-15 19:20:48
572
原创 解非线性方程python实现埃特肯Aitken加速迭代法
Aitken加速法（Aitken's method）是一种针对迭代序列加速收敛的方法，旨在提高迭代过程的收敛速度。它通过使用当前近似解的差分来构造一个更快收敛的序列。求方程 x^3-x-1=0在x=1.5附近的一个根(用六位有效数字计算)
2023-10-15 09:18:41
440
原创 解非线性方程python实现弦截法
与牛顿迭代法相比，弦截法更容易实现，但可能会出现收敛慢、振荡或发散的情况。通常可以通过调整初始点的选择、迭代控制和收敛准则等方式来提高算法的可靠性和收敛速度。弦截法基本实现与牛顿迭代法相同，但是将牛顿迭代法中的导数，用差商来代替，即。求以下方程在0.5附近的根。
2023-10-15 09:06:49
178
原创 解非线性方程python实现二分法
二分法（Bisection method）是一种常用的数值计算方法，用于求解连续函数的根（即方程 f(x) = 0 的解）。它基于连续函数在区间上的中值定理，通过不断缩小区间范围来逼近方程的解。设函数f(x)在区间［a,b］上单调连续，且 f(a)·f(b)＜0，则方程f(x)=0在区间(a,b)内有且仅有一个实根x。下面简单实现方程 f(x)=x^3-x-1=0在1到1.5之间的根。要求用四位小数计算，精确到10-2。
2023-10-15 08:59:31
389
原创 解非线性方程python实现牛顿迭代法
牛顿迭代法是一种求函数零点的方法，它是利用函数f(x)的泰勒展式的前几项来寻找方程f(x)=0的根的近似值。牛顿迭代法的基本思想是：对于方程f(x)=0，给定一个初值x0，用其在该点处的切线与x轴交点为新的近似值，然后以新的近似值继续进行迭代，直到满足精度要求为止。此外，当函数f(x)的导数为0时，迭代公式中的分母会为0，也会导致收敛失败。其中ξ是x和xn之间的某个点，f'和f′′分别表示f(x)的一阶和二阶导数。这个公式称为牛顿迭代法的迭代公式。初始解为x=2，f'(x)=3x^2+4x+10。
2023-10-14 21:58:16
724
原创 pip镜像源
清华：https://pypi.tuna.tsinghua.edu.cn/simple/阿里云：https://mirrors.aliyun.com/pypi/simple/豆瓣：https://pypi.douban.com/simple/
2023-10-14 21:40:12
31
原创 python联邦学习syft安装
2.成功安装syft，但是运行失败，报错：protobuf版本过高，需要降到3.20.x或者更低版本，可以采用以下命令降低protobuf版本。主要安装模块：syft 0.2.4，torch 1.4.0+cu92，torchvision 0.5.0+cu92。1.syft安装失败，报错：torch==1.4.0版本找不到的情况，可以采用以下命令进行安装syft。python版本3.7。
2023-10-14 21:21:24
344
原创 matlab图像边缘检测各种算子比较
该方法的优点在于使用两种不同的阈值分别检测强边缘和弱边缘，并且仅当弱边缘与强边缘相连时，才将弱边缘包含在输出图像中。高斯-拉普拉斯算子:先用高斯函数作平滑滤波，后用拉普拉斯算子检测边缘，克服了拉普拉斯算子抗噪声能力比较差的缺点。Roberts算子:局部差分算子寻找边缘，边缘定位精度较高，对陡峭边缘且含噪声少的图像效果较好。对噪声敏感，噪声成分加强，抗噪声能力差，易丢失一部分边缘的方向信息。Sobel算子和Prewitt算子:先做加权平滑，后微分，有抑制噪声能力，边缘定位较准。
2023-09-11 16:43:52
285
原创 matlab图像边缘检测——canny算子
Canny算子是一种经典的边缘检测算法，由John F. Canny在1986年提出。它可以有效地检测图像中的边缘，并且对噪声具有较强的抵抗能力。Canny算子的主要步骤包括：噪声抑制：使用高斯滤波器来平滑图像，以减少噪声的影响。计算梯度：通过应用Sobel算子（通常是水平和垂直方向的）计算图像的梯度，得到每个像素点的梯度强度和方向。非极大值抑制：对图像中的每个像素点，根据其梯度方向，在沿着该方向上的两个相邻像素点上进行比较，保留局部最大值，将非极大值抑制。
2023-09-11 16:41:51
1408
原创 matlab图像边缘检测——拉普拉斯算子
拉普拉斯算子是一种常用的图像处理算子，用于检测图像中的边缘和纹理等变化。它是基于图像二阶导数的一种边缘检测算子。拉普拉斯算子可以通过在图像上应用二阶微分算子来计算图像中每个像素点的灰度值变化。它可以帮助我们找到图像中灰度变化最为显著的区域，从而定位边缘。常见的拉普拉斯算子有三种类型：4邻域拉普拉斯、8邻域拉普拉斯和增强型拉普拉斯。这些算子可以与图像进行卷积操作，通过计算像素点周围邻域的灰度值之差来检测边缘。正值表示边缘增强，负值则表示边缘减弱。
2023-09-11 16:37:38
2275
原创 matlab图像边缘检测——prewitt算子
Prewitt算子是一种常用的边缘检测算子，它与Sobel算子类似，可以通过计算像素点的梯度来检测图像中的边缘。边缘通常对应着梯度变化较大的区域，因此可以通过对梯度强度进行阈值分割来获得二值化的边缘图像。通过将这两个模板与图像进行卷积操作，可以得到每个像素点在水平方向和垂直方向上的梯度值。Prewitt算子同样使用两个3x3的模板进行卷积操作，分别对应水平方向和垂直方向的梯度计算。总的来说，Prewitt算子是一种简单且常用的边缘检测算子，适用于许多计算机视觉和图像处理应用中的边缘检测任务。
2023-09-11 16:28:07
1106
1
原创 matlab图像边缘检测——sobel算子
Sobel算子是一种常用的边缘检测算子，它可以通过计算像素点的梯度来检测图像中的边缘。该算子基于图像上某一点周围的像素值变化情况，通过卷积运算来计算水平方向和垂直方向上的梯度。Sobel算子使用两个3x3的模板进行卷积操作，分别对应水平方向和垂直方向的梯度计算。这两个模板分别称为Gx和Gy。通过将这两个模板与图像进行卷积操作，可以得到每个像素点在水平方向和垂直方向上的梯度值。然后，通过对这些梯度值取绝对值并取整数部分，可以得到每个像素点的梯度强度。
2023-09-11 16:24:37
3613
原创 matlab图像边缘检测——roberts算子
Roberts算子是图像处理中用于边缘检测的一种算子。它由Lawrence Roberts在1963年提出，用于从图像中提取边缘信息。Roberts算子基于离散微分的原理，通过计算图像上相邻像素点之间的差异来检测边缘。它使用两个2x2的模板进行卷积操作，分别为：其中，Gx对应水平边缘的检测，Gy对应垂直边缘的检测。将这两个模板与图像进行卷积运算，可以得到水平和垂直边缘方向上的边缘响应值。Roberts算子的计算过程简单快速，适用于处理小尺寸的图像。
2023-09-11 16:18:41
2041
原创 pytorch实现GoogLeNet
GoogLeNet（也称为Inception）是由谷歌公司的研究团队于2014年提出的深度卷积神经网络模型。它在ImageNet大规模视觉识别竞赛（ILSVRC）中取得了突出的成绩，在计算机视觉领域引起了广泛的关注。GoogLeNet的名字来源于其创新的Inception模块，该模块采用多个不同尺寸的卷积核进行特征提取，并将这些特征在通道维度上进行拼接，从而能够捕捉多尺度的图像特征。相比于传统的串行结构，Inception模块的并行操作大大减少了参数数量，提高了网络的效率和性能。
2023-08-31 15:21:57
203
原创 pytorch实现VGG
VGG是一种深度卷积神经网络，由牛津大学视觉几何组（Visual Geometry Group）的Simonyan和Zisserman于2014年提出。它在ImageNet大规模图像识别挑战赛中取得了显著的成果，并成为深度学习领域的重要里程碑之一。VGG的特点是网络结构简单、层次清晰。它通过堆叠多个较小尺寸的卷积核和池化层来代替更大尺寸的卷积核，从而减少网络参数的数量。VGG网络具有较深的结构，可以通过增加卷积层和池化层的堆叠数量来调整网络的深度。
2023-08-31 15:17:27
118
原创 pytorch实现AlexNet
AlexNet是一种深度卷积神经网络，由Alex Krizhevsky等人在2012年提出。它在ImageNet大规模图像识别挑战赛（ImageNet Large-Scale Visual Recognition Challenge，ILSVRC）中取得了突破性的成果，极大地推动了深度学习的发展。AlexNet是第一个在深度学习领域引起广泛关注的卷积神经网络。相比于传统的浅层网络，AlexNet通过增加网络深度和参数量，使用更多的隐藏层，使得网络能够学习到更复杂的特征表示。
2023-08-31 15:14:14
56
原创 pytorch实现Lenet
LeNet是一种经典的卷积神经网络（Convolutional Neural Network，CNN），也被称为LeNet-5。它由Yann LeCun等人在1998年提出，是用于手写数字识别任务的早期深度学习模型。LeNet网络结构相对简单，主要由卷积层、池化层和全连接层组成。它的主要特点是通过多层卷积和池化操作对输入进行特征提取，并使用全连接层进行分类。LeNet在当时取得了很好的效果，奠定了卷积神经网络在计算机视觉领域的基础。它的设计和思想对之后更复杂的深度学习模型的发展有着重要影响。
2023-08-31 15:08:55
94
原创 数学建模matlab实现多元线性回归
此外，多元线性回归还提供了其他有用的统计信息，如显著性检验、置信区间和可决系数（R-squared）等，以评估模型的拟合程度和自变量的统计显著性。其中，y 是因变量，x1, x2, ..., xn 是自变量，β0, β1, β2, ..., βn 是回归系数（也称为斜率），ε 是误差项。多元线性回归被广泛应用于各个领域，如经济学、社会科学、工程等，用于预测、分析和解释因变量与多个自变量之间的关系。在多元线性回归中，我们考虑多个自变量的影响，并试图找到一条最佳拟合直线（或超平面），以最小化因变量的预测误差。
2023-07-04 09:10:53
1219
原创 数学建模matlab实现一元线性回归
一元线性回归是统计学中用于建立一个自变量（或称为解释变量、预测变量）和一个因变量（或称为响应变量、被预测变量）之间的线性关系的回归模型。其中，y 是因变量，x 是自变量，β0 和 β1 分别是回归方程的截距和斜率，ε 是误差项，代表因变量中未能被自变量完全解释的部分。一元线性回归在实际应用中具有广泛的应用，例如经济学中的消费者支出与收入的关系分析、工程学中的产量与时间的关系分析等。一元线性回归的目标是通过已知的自变量和因变量的样本数据，拟合出最佳的回归线，以便预测未知样本的因变量。
2023-07-02 14:21:19
1263
原创 数学建模matlab实现灰色预测
需要注意的是，灰色系统预测在预测过程中对数据序列的样本量要求相对较低，但也容易受到数据质量和数据特征的影响。因此，在应用灰色系统预测时，需要合理处理数据、选择适当的灰色发展模型，并结合实际情况对预测结果进行分析和评估。灰色系统预测（Grey System Forecasting）是一种基于灰色理论的预测方法，适用于数据样本较少、信息不完全或者缺乏足够的先验知识的情况。预测与评估：基于建立的灰色发展模型，进行未来趋势的预测。根据模型的预测结果和可靠性评估，得出对未来趋势的预测和判断。
2023-07-02 14:14:46
357
原创 数学建模matlab实现层次分析法（AHP）
它通过对问题进行层次化结构化，将复杂的决策问题分解为多个层次，并对各个层次的因素进行比较和权重的确定，最终得出决策结果。层次分析法能够有效地处理具有多个因素和多个层次的复杂决策问题，它提供了一种量化的决策方法，并且可以结合专家的经验和主观判断进行权衡。两两比较：在每个层次下，通过两两比较各个因素或准则之间的重要程度，使用专家判断或者问卷调查等方式，构建一个判断矩阵。层次结构：将复杂的决策问题分解为多个层次，从目标层次到准则层次，再到备选方案层次，形成一个层次化的结构。通常采用特征向量法或特征值法进行计算。
2023-07-02 13:53:22
516
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人