能运算的函数： sin,cos,tg,ctg,e^,pow(x,y),cosh,sinh,tgh,log10,ln,sqrt,arcsin,arccos, 运算方式： +,-,*,/,绝对值（“[ ]”）,^,!, 输入规则： 用键盘或按钮都可，输入完按回车运算，(光标要在最后) sin(21-32)/(12-43) 4(323-4343) 4*(323-4343) e^2-sin3-3^4,(不要输入pow(3,4)) //有无*都可 2*3^4是（2*3）^4 而不是2*(3^4) 也就是要用x^y就要一定要（x^y）加上一个括号 [3-4]是求3-4的绝对值不是中括号
上传时间： 2015-04-11
上传用户：sxdtlqqjl
Input The input contains blocks of 2 lines. The first line contains the number of sticks parts after cutting, there are at most 64 sticks. The second line contains the lengths of those parts separated by the space. The last line of the file contains zero. Output The output should contains the smallest possible length of original sticks, one per line. Sample Input 9 5 2 1 5 2 1 5 2 1 4 1 2 3 4 0 Sample Output 6 5
标签： contains The blocks number
上传时间： 2015-10-27
上传用户：lepoke
技术性需求分析 3 一致的逻辑数据 3 优秀的网络环境适应性 3 系统的兼容性 3 开放的界面和接口 3 完备的数据存储、备份管理策略 3 高度的安全性 3 技术性设计思想和原则 3 安全性 4 易操作性 4 适应性及灵活性 4 基于组件的软件开发 4 数据共享 4 系统环境 5 数据库平台 5 数据库模型简介 5 选择数据库的准则 6 本系统数据库选择 9 网络操作系统 9 本系统网络操作系统选择 16 本系统环境 18 系统开发平台 18 .NET平台的基本组成 19 .NET框架（.NET Framework）概述 20 ADO.NET组件 23 .NET Framework 24 .NET 的新特性 24 .NET与J2EE的比较 25 开发语言C# 27
上传时间： 2014-01-21
上传用户：王小奇
使用须知 1. 文件夹 两个文件夹：Mbook和Mfiles。 Mbook文件夹：存放可以用于教学或自学的Mbook形式的文档。 MFiles文件夹：存放所有例题的M文件，保存的文件名为“Ex+章+序号.m”、“Ex+章+序号.fig”、“Ex+章+序号.mdl”或“Ex+章+序号.doc”。 2. 使用前的准备 （1）软件需要安装Office2000 和MATLAB6.5。 (2) 将文件夹Mbook和Mfiles的内容拷贝到用于教学的计算机的硬盘上。 （3）在MATLAB中将“Mfiles”文件夹添加在搜索路径中 添加搜索路径的步骤为： 在MATLAB界面选择菜单“File”→“Set Path”命令，在打开的设置路径对话框中通过“Add Folder…”或“Add with Subfolders…”按钮打开浏览文件夹窗口来添加搜索目录。 （3）要运行8.1小节的MEX和EXE文件，则需要有与MATLAB6.5适配的Borland C/C++或MicroSoft Visual C++或Watcom C/C++（详见11.2和11.3节）。 （4）要运行8.4小节Mbook文件夹的文件，则需要安装Notebook。
上传时间： 2016-05-20
上传用户：cx111111
Ex3-23 亲兄弟问题 « 问题描述： 给定n 个整数0 1 1 , , , n- a a a 组成的序列。序列中元素i a 的亲兄弟元素k a 定义为： min{ | } k i j n j j i a = a a ³ a < < 。 亲兄弟问题要求给定序列中每个元素的亲兄弟元素的位置。元素i a 的亲兄弟元素为k a 时，称k 为元素i a 的亲兄弟元素的位置。当元素i a 没有亲兄弟元素时，约定其亲兄弟元素 的位置为-1。 例如，当n=10，整数序列为6，1，4，3，6，2，4，7，3，5 时，相应的亲兄弟元素位 置序列为：4，2，4，4，7，6，7，-1，9，-1。 « 编程任务： 对于给定的n个整数0 1 1 , , , n- a a a 组成的序列，试用抽象数据类型栈，设计一个O(n) 时间算法，计算相应的亲兄弟元素位置序列。 « 数据输入： 由文件input.txt提供输入数据。文件的第1 行有1 个正整数n，表示给定给n个整数。 第2 行是0 1 1 , , , n- a a a 。 « 结果输出: 程序运行结束时，将计算出的与给定序列相应的亲兄弟元素位置序列输出到output.txt 中。 输入文件示例 输出文件示例 input.txt 10 4 2 4 4 7 6 7 -1 9 -1 output.txt 6 1 4 3 6 2 4 7 3 5
上传时间： 2013-12-17
上传用户：shizhanincc
程序代码使用说明： (1)所有源代码目录下都提供了Makefile（非Qt），或者.pro（Qt），或者更详细的说明（第7章）。作为对比，也可以参考在书中的对应章节采用直接gcc命令的编译方法，来学习如何编写Makefile。 (2)Makefile中默认情况下采用“CC=gcc”或者“CPP=g++”的设置，交叉编译时请使用“ make CC=arm-linux-gcc CPP=arm-linux-g++”（假设你使用的是光盘中提供的arm-linux-gcc交叉编译工具链）或类似命令。当然，也可以修改这些Makefile。 (3)Qt程序的交叉编译请参考本书第2章：可以利用qmake自动生成用于交叉编译的Makefile。当然，也可以采用(2)的方法，或者直接修改Makefile。 (4)所有代码都在Redhat9和gcc3.4.1/arm-linux-gcc3.4.1/Qtopia-core-4.3.0的环境中编译测试通过。
上传时间： 2013-12-14
上传用户：从此走出阴霾
共有四个例子， （1)第一个数码管显示0-9 （2）8个数码管轮流显示0-9 （3）8个数码管同时显示0-9 （4）从小到大计数
标签：
上传时间： 2014-01-24
上传用户：Amygdala
%球体 close all; G=6.67e-11; R=2;%球体半径 p=4.0;%密度 D=10.0;%深度 M=(4/3)*pi*R^3*p;%质量 x=-20:1:20; g=G*M*D./((x.^2+D^2).^(3/2)); Vxz=-3*G*M*D.*x./((x.^2+D^2).^(5/2)); Vzz=G*M.*(2*D^2-x.^2)./((x.^2+D^2).^(5/2)); Vzzz=3*G*M.*(2*D^2-3.*x.^2)./((x.^2+D^2).^(7/2)); subplot(2,2,1) plot(x,g,'k-'); xlabel('水平距离(m)'); ylabel('重力异常值'); title('球体重力异常Δg'); grid on subplot(2,2,2) plot(x,Vxz); xlabel('水平距离(m)'); ylabel('导数值'); title('Vxz'); grid on subplot(2,2,3) plot(x,Vzz); xlabel('水平距离(m)'); ylabel('导数值'); title('Vzz'); grid on subplot(2,2,4); plot(x,Vzzz); xlabel('水平距离(m)'); ylabel('导数值'); title('Vzzz'); grid on %% %水平圆柱体 close all G=6.67e-11; p=10.0;%线密度 D=100.0;%深度 x=-200:1:200; g=G*2*p*D./(x.^2+D^2); Vxz=4*G*p*D.*x./(x.^2+D^2).^2; Vzz=2*G*p.*(D^2-x.^2)./(x.^2+D^2).^2; Vzzz=4*G*p.*(D^2-3.*x.^2)./((x.^2+D^2).^3); subplot(2,2,1) plot(x,g,'k-'); xlabel('水平距离(m)'); ylabel('重力异常值'); title('水平圆柱体重力异常Δg'); grid on subplot(2,2,2) plot(x,Vxz); xlabel('水平距离(m)'); ylabel('导数值'); title('Vxz'); grid on subplot(2,2,3) plot(x,Vzz); xlabel('水平距离(m)'); ylabel('导数值'); title('Vzz'); grid on subplot(2,2,4); plot(x,Vzzz); xlabel('水平距离(m)'); ylabel('导数值'); title('Vzzz'); grid on %% %垂直台阶 G=6.67e-11; p=4.0;%密度 h1=50.0;%下层深度 h2=40.0;%上层深度 x=-100:1:100; g=G*p.*(pi*(h1-h2)+x.*log((x.^2+h1^2)./(x.^2+h2^2))+2*h1.*atan(x./h1)-2*h2.*atan(x./h2)); Vxz=G*p.*log((h1^2+x.^2)./(h2^2+x.^2)); Vzz=2*G*p.*atan((x.*(h1-h2))./(x.^2+h1*h2)); Vzzz=2*G*p.*x*(h1^2-h2^2)./((h1^2+x.^2).*(x.^2+h2^2)); subplot(2,2,1) plot(x,g,'k-'); xlabel('水平距离(m)'); ylabel('重力异常值'); title('垂直台阶重力异常Δg'); grid on subplot(2,2,2) plot(x,Vxz); xlabel('水平距离(m)'); ylabel('导数值'); title('Vxz'); grid on subplot(2,2,3) plot(x,Vzz); xlabel('水平距离(m)'); ylabel('导数值'); title('Vzz'); grid on subplot(2,2,4); plot(x,Vzzz); xlabel('水平距离(m)'); ylabel('导数值'); title('Vzzz'); grid on %% %倾斜台阶 G=6.67e-11; p=4.0;%密度 h1=50.0;%下层深度 h2=40.0;%上层深度 a=pi/6;%倾斜角度 x=-500:1:500; g=G*p.*(pi*(h1-h2)+2*h1.*atan((x+h1*cot(a))./h1)-2*h2.*atan((x+h2*cot(a))./h1)+x.*sin(a)^2.*log(((h1+x.*sin(a).*cos(a)).^2+x.^2.*sin(a)^4)./((h2+x.*(sin(a)*cos(a))).^2+x.^2.*sin(a)^4))); Vxz=G*p.*(sin(a)^2.*log(((h1*cot(a)+x).^2+h1^2)./((h2*cot(a)+x).^2+h2^2))-2*sin(2*a).*(atan((h1/sin(a)+x.*cos(a))./(x.*sin(a)))-atan((h2/sin(a)+x.^cos(a))./(sin(a).*x)))); Vzz=G*p.*(0.5*sin(2*a)^2.*log(((h1*cot(a)+x).^2+h1^2)./((h2*cot(a)+x).^2+h2^2))+2*sin(a)^2.*(atan((h1/sin(a)+x.*cos(a))./(x.*sin(a)))-atan((h2/sin(a)+x.*cos(a))./(x.*sin(a))))); Vzzz=2*G*p*sin(a)^2.*((x+2*h2*cot(a))./((h2*cot(a)+x).^2+h2^2)-(x+2*h1*cot(a))./((h1*cot(a)+x).^2+h1^2)); subplot(2,2,1) plot(x,g,'k-'); xlabel('水平距离(m)'); ylabel('重力异常值'); title('倾斜台阶重力异常Δg'); grid on subplot(2,2,2) plot(x,Vxz); xlabel('水平距离(m)'); ylabel('导数值'); title('Vxz'); grid on subplot(2,2,3) plot(x,Vzz); xlabel('水平距离(m)'); ylabel('导数值'); title('Vzz'); grid on subplot(2,2,4); plot(x,Vzzz); xlabel('水平距离(m)'); ylabel('导数值'); title('Vzzz'); grid on %% %铅锤柱体 G=6.67e-11; p=4.0;%密度 h1=50.0;%下层深度 h2=40.0;%上层深度 a=3;%半径 x=-500:1:500; g=G*p.*((x+a).*log(((x+a).^2+h1^2)./((x+a).^2+h2^2))-(x-a).*log(((x-a).^2+h1^2)./((x-a).^2+h2^2))+2*h1.*(atan((x+a)./h1)-atan((x-a)./h1))-2*h2.*(atan((x+a)./h2)-atan((x-a)./h2))); Vxz=G*p.*log((((x+a).^2+h1^2).*((x-a).^2+h2^2))./(((x+a).^2+h2^2).*((x-a).^2+h1^2))); Vzz=2*G*p.*(atan(h1./(x+a))-atan(h2./(x+a))-atan(h1./(x-a))+atan(h2./(x-a))); Vzzz=2*G*p.*((x+a)./((x+a).^2+h2^2)-(x+a)./((x+a).^2+h1^2)-(x-a)./((x-a).^2+h2^2)+(x-a)./((x-a).^2+h1^2)); subplot(2,2,1) plot(x,g,'k-'); xlabel('水平距离/m') ylabel('重力异常值') title('铅垂柱体重力异常') grid on subplot(2,2,2) plot(x,Vxz); xlabel('水平距离(m)'); ylabel('导数值'); title('Vxz'); grid on subplot(2,2,3) plot(x,Vzz); xlabel('水平距离(m)'); ylabel('导数值'); title('Vzz'); grid on subplot(2,2,4); plot(x,Vzzz); xlabel('水平距离(m)'); ylabel('导数值'); title('Vzzz'); grid on
上传时间： 2019-05-10
上传用户：xiajiang
四路20秒声光显示计分抢答器Multisim14仿真源文件+设计文档资料摘要数字抢答器由主体电路与扩展电路组成。优先编码电路、锁存器、译码电路将参赛队的输入信号在显示器上输出；用控制电路和主持人开关启动报警电路，以上两部分组成主体电路。通过定时电路和译码电路将秒脉冲产生的信号在显示器上输出实现计时功能，构成扩展电路。经过布线、焊接、调试等工作后数字抢答器成形。关键字：开关阵列电路；触发锁存电路；解锁电路；编码电路；显示电路一，设计目的本设计是利用已学过的数电知识，设计的4人抢答器。（1）重温自己已学过的数电知识；（2）掌握数字集成电路的设计方法和原理；（3）通过完成该设计任务掌握实际问题的逻辑分析，学会对实际问题进行逻辑状态分配、化简；（4）掌握数字电路各部分电路与总体电路的设计、调试、模拟仿真方法。二，整体设计（一）设计任务与要求：1.抢答器同时供4名选手或4个代表队比赛，分别用4个按钮S0 ~ S3表示。2.设置一个系统清除和抢答控制开关S，该开关由主持人控制。3.抢答器具有锁存与显示功能。即选手按动按钮，锁存相应的编号，并在LED数码管上显示，同时扬声器发出报警声响提示。选手抢答实行优先锁存，优先抢答选手的编号一直保持到主持人将系统清除为止。4.参赛选手在设定的时间内进行抢答，抢答有效，定时器停止工作，显示器上显示选手的编号和抢答的时间，并保持到主持人将系统清除为止。5.如果定时时间已到，无人抢答，本次抢答无效。（二）设计原理与参考电路抢答器的组成框图抢答器的一般组成框图如下图所示。它主要由开关阵列电路、触发锁存电路、解锁电路、编码电路和显示电路等几部分组成。
上传时间： 2021-11-06
上传用户：
论文-基于红外热成像技术的猪体温检测与关键测温部位识别63页摘要 实现猪体温测量自动化有利于实时监测猪的健康状况、母猪发情和排卵检测等 生理健康状况。本文采用红外热成像仪采集猪的红外热图像，引入化学计量学建模 方法建立体表温度、环境温度与直肠温度间的多元校正模型，同时提出两种关键测 温部位的自动检测方法。主要结论总结如下： (1)建立了母猪体表温度、环境温度与母猪体温之间的一元和多元线性回归模型。研 究发现， 9个身体区域提取的体表温度与直肠温度呈正相关(产O．34～0．68)，其中， 基于耳根区域体表温度平均值建立的一元回归方程效果最优，预测集相关系数RP与 均方根误差RMSEP分别为0．66和0．420C。全特征模型相比一元线性回归方程有更 好的预测效果，RP和RMSEP分别为0．76和O．370C。此外，应用特征选择方法LARS． Lasso确定了7个重要特征建立简化模型，其校正集和预测集的R分别为0．80和 0．80，RMSEs分别为0．30和0．350C。 (2)将卷积神经网络应用于生猪主要测温部位(眼睛和耳朵区域)的直接分割。利用 python构建了四种不同结构的卷积神经网络模型FCN一1 6s、FCN．8s、U．Net一3和U． Net．4。对比分析4种卷积神经网络模型的性能，结果表明U-Net．4网络结构的分割 效果最优，平均区域重合度最高为78．75％。然而，当计算设备的计算力不够时，可 以选用U．Net一3模型以达到较好的分割效果。 (3)提出猪只眼睛及耳根区域关键点的识别方法，将猪只主要测温部位的检测问题 转变为主要测温部位的定位问题。设计具有不同深度的卷积神经网络架构A．E，得 出架构E最优。且当Dropout概率设置为0．6时模型效果最好，验证集平均误差和 预测集平均误差分别为1．96％和2．65％。测试集单张猪脸关键点的预测误差小于5％ 和10％的比例分别为89．5％和97．4％。模型能够很好的定位猪脸关键点，用于猪只 体温测量。 本文采用红外热像仪测量母猪体表温度，通过化学计量学建模为非接触母猪直 肠温度测量提供了更准确、可靠的方法，同时提出两种关键测温部位的自动检测方 法，有助于实现母猪体温测量自动化，为生猪健康管理提供参考。
标签： 红外热成像技术
上传时间： 2022-02-13
上传用户：jiabin
