计算机网络自顶向下方法 第6版 高清中文版 part4
计算机网络 自顶向下方法 第6版 高清 中文版 part4。
ABBREV.txt
USDA的营养数据实验室提供的数据((http://www.ars.usda.gov/nutrientdata)。在他们的主页上点击USDA National Nutrient Database for Standard Reference链接,就能看到很多以普通文本形式( ASCII )保存的数据文件,这就是需要的内容。
CMS2.31软件包
这是CMS2.31版。CMS是色彩管理系统的意思。安装中晶扫描仪的驱动后,还需要安装CMS。
漫画统计学.(日)高桥 信.科学出版社
以日本漫画的形式来讲解统计学,无疑是一个好的方式。让我们摆脱那些枯燥乏味的统计数字,以生动形象的卡通人物来学习统计。适合初学者。
An introduction to multivariate statistical analysis 3rd edition
An introduction to multivariate statistical analysis 3rd edition是一本经典的多变量分析书籍,风靡国外统计学界。本书籍内容为英文。
Graphics Programming With GDI Plus
"This is the most comprehensive book about graphics programming using GDI+ so far. This book will be a very useful handbook for everyone who does graphics programming for Windows."
jogl 1.1.0 JSR-000231 JavaTM Binding for the OpenGL® API
jogl 1.1.0 (JSR-000231 JavaTM Binding for the OpenGL® API)
这里面有jogl.jar和gluegen.rt.jar等等
visual c#2005全程指南(13-17章)
本资源只包括13~17章的内容
本书由浅入深地介绍了Visual C# 2005从入门到精通的知识体系和编程方法。 本书详细介绍了Visual C# 2005的基础知识,Visual C# 2005编程语言的基本语法、声明和调用方法,结构化程序设计,枚举和结构的使用,数组和集合的使用,面向对象编程基础,Windows窗体以及应用程序编程控件,开发图形图像软件的基础知识,使用ADO.NET中的高级技术来访问数据库,使用ASENET开发WEB网站等内容。
本书主要适用于初中级的Visual C# 2005用户,最后的“Visual C# 2005网络编程技术”以及“Windows线程的高级编程知识”也适用于高级用户使用,为了方便读者的学习,本书在配套光盘中存放了所有本书的实例。
visual c#2005全程指南(8-12章)
本资源只包括8~12章的内容
本书由浅入深地介绍了Visual C# 2005从入门到精通的知识体系和编程方法。 本书详细介绍了Visual C# 2005的基础知识,Visual C# 2005编程语言的基本语法、声明和调用方法,结构化程序设计,枚举和结构的使用,数组和集合的使用,面向对象编程基础,Windows窗体以及应用程序编程控件,开发图形图像软件的基础知识,使用ADO.NET中的高级技术来访问数据库,使用ASENET开发WEB网站等内容。
本书主要适用于初中级的Visual C# 2005用户,最后的“Visual C# 2005网络编程技术”以及“Windows线程的高级编程知识”也适用于高级用户使用,为了方便读者的学习,本书在配套光盘中存放了所有本书的实例
visual c#2005全程指南(5-7章)
本资源只包括5~7章的内容
本书由浅入深地介绍了Visual C# 2005从入门到精通的知识体系和编程方法。 本书详细介绍了Visual C# 2005的基础知识,Visual C# 2005编程语言的基本语法、声明和调用方法,结构化程序设计,枚举和结构的使用,数组和集合的使用,面向对象编程基础,Windows窗体以及应用程序编程控件,开发图形图像软件的基础知识,使用ADO.NET中的高级技术来访问数据库,使用ASENET开发WEB网站等内容。
本书主要适用于初中级的Visual C# 2005用户,最后的“Visual C# 2005网络编程技术”以及“Windows线程的高级编程知识”也适用于高级用户使用,为了方便读者的学习,本书在配套光盘中存放了所有本书的实例。
visual c#2005全程指南(第一章)
注:本资源只包括本书第一章。
本书由浅入深地介绍了Visual C# 2005从入门到精通的知识体系和编程方法。 本书详细介绍了Visual C# 2005的基础知识,Visual C# 2005编程语言的基本语法、声明和调用方法,结构化程序设计,枚举和结构的使用,数组和集合的使用,面向对象编程基础,Windows窗体以及应用程序编程控件,开发图形图像软件的基础知识,使用ADO.NET中的高级技术来访问数据库,使用ASENET开发WEB网站等内容。
本书主要适用于初中级的Visual C# 2005用户,最后的“Visual C# 2005网络编程技术”以及“Windows线程的高级编程知识”也适用于高级用户使用,为了方便读者的学习,本书在配套光盘中存放了所有本书的实例。
Visual C#2005全程指南(18-22章)
本资源只包括18~22章的内容
本书由浅入深地介绍了Visual C# 2005从入门到精通的知识体系和编程方法。 本书详细介绍了Visual C# 2005的基础知识,Visual C# 2005编程语言的基本语法、声明和调用方法,结构化程序设计,枚举和结构的使用,数组和集合的使用,面向对象编程基础,Windows窗体以及应用程序编程控件,开发图形图像软件的基础知识,使用ADO.NET中的高级技术来访问数据库,使用ASENET开发WEB网站等内容。
本书主要适用于初中级的Visual C# 2005用户,最后的“Visual C# 2005网络编程技术”以及“Windows线程的高级编程知识”也适用于高级用户使用,为了方便读者的学习,本书在配套光盘中存放了所有本书的实例。
遗传算法解题代码、二进制十进制相互转换代码
遗传算法是根据自然界物竞天择,适者生存现象提出的一种随机搜索算法。首先进行编码,形成染色体,然后交配、变异等等。另外本代码也包括二进制十进制转换等等。
A*算法vc++6.0代码
A*算法是人工智能寻找最短路径的经典算法,本资源用vc++6.0对该算法进行编码,适合大家研究和参考。
ArcGIS 二次开发编程实例
本书通过大量的实例,从专业开发者的角度系统而详细地讲解了如何进行
ArcGIS 二次开发的编程,选材具有极强的针对性和实用性,内容翔实、基础、
实用,旨在帮助开发人员能尽快掌握ArcGIS 的二次开发。
全书分两部分:基础篇和提高篇。基础篇通过100 多个具体的实例详细地讲
解了ArcGIS 二次开发过程中涉及到的各个主要的知识点;提高篇则以实际项目
开发为例,综合运用基础篇的各个知识点,详细地展示了ArcGIS 二次开发的流
程、方法和各种开发技巧。
误差处理与不确定性理论
本书系统地讲述了以数理统计理论为基础的测量平差系统的误差理论、假设检验和可靠性理论,介绍了当代摄影测量平差在理论和技术发展中的机关报成就和主要动向。如GPS辅助空中三角测量;稳健计算机视觉;利用人工智能方法进行粗差的启发式搜萦等。书中重点讨论了偶然误差的减少,系统误差的补偿、粗差的检测以及不同类型误差的区分等问题,既有较完整的理论阐述,又有较具体的应用实例。为了便于读者深入研究,每章后均列出主要参考文献。为了便于更好地理解本书,在附录中补充了必要的矩阵代数和数理统计知识。本书是高等院校测绘类专业研究生教学用书,亦可供摄影测量、大地测量和工程测量专业的科技人员与高等院校相关专业师生学习参考。【图书目录】-误差处理与可靠性理论第一章测量平差中的误差处理概述1数学模型和模型误差2模型误差对平差结果的影响3测量平差中处理不同类型误差的发展阶段参考文献第二章基于偶然误差的解析摄影测量平差的若干扩展1概述2摄影测量与非摄影测量观测值的联合平差3GPS辅助空中三角测量4方差-协方差分量估计及其应用参考文献第三章测量平差系统的可靠性理论1测量平差系统可靠性研究概述2观测值误差对平差改正数的影响3测量平差结果可靠性的数理统计基础4单个备选假设下的可靠性理论5基本摄影测量平差问题的内部可靠性6摄影测量区域网平差的内部可靠性7摄影测量区域网平差的外部可靠性参考文献第四章解析摄影测量平差中系统误差的补偿第五章粗差检测和定位第六章两种模型误差的可区分性及其可靠性理论第七章粗差与系统误差的可区分性第八章粗差的可区分性附录A矩阵代数基础知识附录B向量和矩阵的微分运算附录C非中心化的X2分布和F分布附录D二次型及有关定理附录E两个备选假设下出现第2类、第3类错误的概率表
Matlab神经网络工具箱应用简介
主要描述MATLAB6.5中神经网络工具箱的使用,介绍神经网络的基本知识
神经网络是单个并行处理元素的集合,我们从生物学神经系统得到启发。在自然界,网络功能主要由神经节决定,我们可以通过改变连接点的权重来训练神经网络完成特定的功能。 一般的神经网络都是可调节的,或者说可训练的,这样一个特定的输入便可得到要求的输出。如下图所示。这里,网络根据输出和目标的比较而调整,直到网络输出和目标匹配。作为典型,许多输入/目标对应的方法已被用在有监督模式中来训练神经网络。