diplomarbeit

于 2007-06-10 21:32:18 发布
阅读量83 收藏
点赞数
分类专栏： Diplomarbeit 文章标签： UML Eclipse ASP.net Java ASP

UML.

  1. class , interface, relations,
  2. graphics. how to
  3. validation of class, relationship
  4. uml example tools http://eclipse-plugins.2y.net/eclipse/plugins.jsp?category=UML  http://www.open-open.com/28.htm
  5. use eclipse to edit uml and export and import to our own process tool.

 Java Files:

  1.  project, save, open, .java, .ucd, .properties, ......

Graphic:

  1. http://tfs.cs.tu-berlin.de/vila/www_ss05/folien/eclipse.pdf  ,draw2d.
  2. http://www.cjsdn.net/post/print?bid=46&id=111879   ,
  3. jgraph. 
  4. learn tinyUML
  5. http://www.java2s.com/Code/Java/2D-Graphics-GUI/Mousedraganddroptodraw.htm
  6. http://www.owlnet.rice.edu/~comp212/00-fall/handouts/week06/GUI/graphics.html

   uml:  http://www.soyatec.com/main.php 

  BPM.

  1.     http://www.agilemodeling.com/artifacts/stateMachineDiagram.htm 

 JAVA Compiler:

http://blogger.org.cn/blog/more.asp?name=sxhong&id=6141

 

 

 

 UML PIC. tinyuml

 

tedibaer
关注
专栏目录
Diplomarbeit
03-16
【标题】"Diplomarbeit"通常指的是在德国或奥地利等国家的一种高级学位论文，它相当于硕士级别的毕业设计或论文。在这个特定的上下文中，"Diplomarbeit"可能涉及了作者在IT领域进行的一项深入研究，特别是与HTML相关...
Diplomarbeit：代码和数据
02-12
标题 "Diplomarbeit：代码和数据" 暗示这是一个关于毕业论文或者研究项目的工作，其中包含了相关的代码和原始数据。"Diplomarbeit" 是德语中的一个术语，通常指的是硕士级别的毕业论文，因此这可能是一个高级学术...
diplomarbeit:毕业论文 Johannes Weiß
06-25
文凭/硕士论文这是我的 Diplomarbeit / Master's Thesis 的 GitHub 存储库。 主题：使用乱码算术电路和不受信任的防篡改硬件进行有效的安全功能评估[密码与安全研究所 (IKS)] ( ) 在教授：[Prof. Jörn Müller-...
miktexmatlab代码-Diplomarbeit_Mechatronik_Vorlage_Latex:HTBLAKaindorf机电一体
06-08
miktex matlab 代码毕业论文机电一体化模板 LaTeX 安装 视窗 Miktex 下载： Texmaker 下载： ...badurl=aHR0cDovL3d3dy5mb3NzaHViLmNvbS9KYWJSZWYuaHRtbA==/c0b77993bf76fc825f3671c50592b54ffcbf85edc29038c4713961f...
DFT的matlab源代码-nupic.audio:使用NuPICHTM/CLA的音频（模拟，数字）实验
05-26
Schwarz，Diplomarbeit Nr。 1622年，IRCAM（法国音乐研究与协调学会/音乐） 带有音频应用的离散傅立叶变换（DFT）的数学音乐与声学计算机研究中心（CCRMA）的朱利叶斯·史密斯三世（Julius O.Smith III） 数字信号...
CPA 税法 基础班 第4章 税目与税率（2）+计税依据（1）.pdf
10-10
CPA 税法 基础班 第4章 税目与税率（2）+计税依据（1）.pdf
Jhipster7.9.3项目
最新发布
10-10
Jhipster
卡车无人机路径优化，卡车带无人机路径优化 车辆无人机路径优化 代码具有可复制性
10-10
卡车无人机路径优化，卡车带无人机路径优化。 车辆无人机路径优化。 代码具有可复制性
Python中基于DEAP框架的遗传算法实现与OneMax问题求解（包含详细的完整的程序和数据）
10-10
内容概要：本文章详细介绍了遗传算法及其核心概念，并以OneMax问题为例展示了使用Python的DEAP框架实现遗传算法的具体步骤，包括适应度函数、选择、交叉、变异等关键环节。 适用人群：面向具有一定编程基础的开发者和技术研究人员。 使用场景及目标：适用于需要解决优化问题的情景，特别是涉及到大规模搜索空间的应用。本篇文章可以帮助读者更好地理解和应用遗传算法。 其他说明：除了基本实现之外还提出了进一步改进的方向，比如参数优化和其他优化算法相结合的方法，以及实现算法的并行处理，以便应对更加复杂的现实世界难题。
Python基于opencv的车牌识别系统源码-可作为毕业设计
10-10
Python基于opencv的车牌识别系统源码-可作为毕业设计，本资源中的源码都是经过本地编译过可运行的，评审分达到98分，资源项目的难度比较适中，内容都是经过助教老师审定过的能够满足学习、毕业设计、期末大作业和课程设计使用需求，如果有需要的话可以放心下载使用。 Python基于opencv的车牌识别系统源码-可作为毕业设计，本资源中的源码都是经过本地编译过可运行的，评审分达到98分，资源项目的难度比较适中，内容都是经过助教老师审定过的能够满足学习、毕业设计、期末大作业和课程设计使用需求，如果有需要的话可以放心下载使用。Python基于opencv的车牌识别系统源码-可作为毕业设计，本资源中的源码都是经过本地编译过可运行的，评审分达到98分，资源项目的难度比较适中，内容都是经过助教老师审定过的能够满足学习、毕业设计、期末大作业和课程设计使用需求，如果有需要的话可以放心下载使用。Python基于opencv的车牌识别系统源码-可作为毕业设计，本资源中的源码都是经过本地编译过可运行的，评审分达到98分，资源项目的难度比较适中，内容都是经过助教老师审定过的能够满足学习、毕业设计、期末大作
Django+Vue校园个人闲置物品换购平台答辩PPT.pptx
10-10
计算机毕业设计答辩PPT
Java源代码-ssm+vue开发家教平台系统（含数据库、论文等资料文件）.zip
10-10
本项目是一个基于SSM（Spring+SpringMVC+MyBatis）框架和Vue.js前端技术的家教平台系统。该系统旨在为家教和学生提供一个便捷、高效的在线交流和预约平台，涵盖了从用户注册登录、个人信息管理、课程发布与搜索、预约与取消预约、评价反馈等一系列功能。 在后台管理方面，系统提供了管理员对用户信息、课程信息、预约记录等进行管理的功能，确保平台的正常运行和数据的准确性。通过Spring框架的依赖注入和AOP特性，实现了业务逻辑的清晰分离和高效处理；SpringMVC则负责处理前端请求和响应，提供友好的用户界面；MyBatis作为ORM框架，简化了数据库操作，提高了数据访问的效率和安全性。 前端部分采用Vue.js框架，结合Vue Router进行页面路由管理，Axios进行HTTP请求，实现了前后端分离的开发模式。Vue.js的组件化开发和响应式数据绑定特性，使得前端页面更加动态和交互性强，提升了用户体验。 数据库设计采用了MySQL，存储了用户信息、课程信息、预约记录等核心数据。通过合理的数据库表结构和索引设计，保证了系统的高效运行和数据的一致性。 该项目不仅适合计算机相关专业的毕设学生参考和学习，也适合Java学习者进行项目实战练习。通过对该项目的深入理解和二次开发，可以实现更多个性化功能，进一步提升技术水平和实践能力。
基于UNet3+实现的ISIC皮肤病语义分割项目
10-10
基于UNet3+实现的ISIC皮肤病语义分割项目，数据集为开源ISIC皮肤病分割数据集，这里划分训练集和验证集，大约900和380张图片和标签【资源包含完整代码、数据集、训练结果，可以一键运行】 使用Unet3+进行训练，100个epoch，最后一个指标如下： [epoch: 100] global correct: 0.9507 Precision: ['0.9664', '0.9111'] Recall: ['0.9650', '0.9144'] F1 score: ['0.9657', '0.9127'] Dice: ['0.9657', '0.9127'] IoU: ['0.9336', '0.8394'] mean precision: 0.9387 mean recall: 0.9397 mean f1 score: 0.9392 mean dice: 0.9392 mean iou: 0.8865 想要更换数据集或者重头训练，参考readme文件，更换目录即可！
大模型实战教程.docx
10-10
大模型实战教程通常涵盖从基础理论入门到高级应用开发的全过程，旨在帮助学习者通过实践掌握大模型的相关知识和技能。以下是一份详细的大模型实战教程概要： 一、基础理论入门 了解大模型的基本概念和背景 回顾人工智能的发展历程，了解大模型在其中的地位和作用。 明确大模型的内涵和外延，探讨通用人工智能的实现路径。 深入学习大模型的关键技术和工作原理 探讨大模型背后的算法原理，了解计算能力对模型性能的影响。 分析大数据在大模型中的作用，学习相关软件和工具的使用。 对比分析生成式模型与大语言模型的优缺点，掌握各自的应用场景。 Transformer架构解析 深入研究Transformer架构，理解其在大模型中的核心地位。 学习Transformer的自注意力机制、多层感知器等组件的工作原理。 大模型的训练方法 掌握预训练、监督式微调（SFT）和强化学习与人类反馈（RLHF）等技术。 二、编程基础与工具 Python编程基础 学习Python基本语法、数据结构、函数等。 常用库和工具 熟悉Numpy、Pandas、TensorFlow、PyTorch等库的使用。 掌握提示工程的基本原理和技巧，提高编程
SpringBoot+Vue财务管理系统答辩PPT.ppt
10-10
计算机毕业设计答辩PPT
联交所-预生产-Pro-未加固.apk
10-10
联交所-预生产-Pro-未加固.apk
mmexport1719635669505.mp4
10-10
mmexport1719635669505.mp4
基于Python Flask与OpenCV的图像卡通化Web应用搭建指南（包含详细的完整的程序和数据）
10-10
内容概要：详细介绍了使用Python Flask框架配合OpenCV实现图像卡通化处理的方法，涵盖项目架构、依赖设置、主要逻辑和视觉展现流程，并探讨了潜在的应用扩展途径以及实施要点. 适用人群：适合具有一定编程经验的学习者以及对Web图形操作感兴趣的研发人员。 使用场景及目标：创建允许上传图片的web服务，并实现图像的风格转换功能以提升网站吸引力，进一步地还可以增加人脸识别与动态效果的渲染。 阅读建议：在实际操作过程中，需要仔细跟随每步骤配置，并注意调试相关代码模块，特别要关注异常捕捉和处理机制，在后续迭代版本开发时考虑到性能调优。
SpringBoot+Vue高校大学生评奖评优系统答辩PPT.pptx
10-10
计算机毕业设计答辩PPT
Nodejs+Vue物业管理系统答辩PPT.pptx
10-10
计算机毕业设计答辩PPT
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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