A .zip file contains a series of scripts that were used in the MathWorks webinar "Using MATLAB to Develop Portfolio Optimization Models." The scripts generate 3D efficient frontiers for a universe of 44 stocks with time as the third axis. Additional scripts perform various ex-ante and ex-post analyses. Results are generated with and without market adjustments in the data. A readme.txt. file in the .zip folder describes each script and how to use it
标签： MathWorks contains scripts webinar
上传时间： 2014-01-04
上传用户：trepb001
WMTSA toolbox is an implemenation for MATLAB of the wavelet methods for time series analysis techniques presented in: Percival, D. B. and A. T. Walden (2000) Wavelet Methods for Time Series Analysis. Cambridge: Cambridge University Press.
标签： implemenation for analysis toolbox
上传时间： 2014-01-15
上传用户：huangld
本程序要求用户在控制台里输入非终极符，终结符与产生式，然后对用户输入的文法进行分析，得出first集 与follow 集，并打印出预测分析表用户决定是否继续进行句型分析，如继续则给出符号分析栈的实现，从而判断刚输入的句子是否为符合该文法的句子。 该程序遵循LL（1） 文法FIRST（A）的构造：是A的所有可能推导的开头终结符或可能的ε FOLLOW（A）是所有句型中出现在紧接A之后的非终结符或“#” 预测分析程序 构造LL（1）分析表 ⅰ，构造文法中所有元素的FIRST和FOLLOW集合 ⅱ，对文法G的每个产生式A->α执行第三步和第四步 ⅲ，对每个终结符a∈FIRST（α）,把A->α加至M[A，a] ⅳ，若ε∈FIRST（α），则对任何b∈FOLLOW(A)把A->α加至M[A，b]中 ⅴ，把所有无定义的M[A，a]标上“出错标志”
上传时间： 2013-12-27
上传用户：jackgao
基于J2EE的物流信息系统的设计与实现 介绍了J2EE 体系结构、Mv c模式等相关概念和技术，并重点探讨了 目 前比 较受欢迎的三种开源框架( s t r ut s框架、S Pr i n g框架和H i b e m a t e 框架)。 分析了他们的体系结构、 特点和优缺点。 根据J ZE E的分层结构，结合We b应用 的特点， 将三种框架进行组合设计， 即表现层用S t r ut s框架、 业务逻辑层用S P ri n g 框架、持久层用比b ema t e 框架，从而来构建物流信息系统。这种整合框架使各 层相对独立， 减少各层之间的祸合程度，同时加快了系统的开发过程，增强了系 统的可维护性和可扩展性，初步达到了分布式物流信息系统的设计目标。 经过以上分析，结合物流系统的业务需求，进行了相关的实现。最后，系统 运用先进的A ja x技术来增强Ui层与服务器的异步通信能力， 使用户体验到动态 且响应灵 敏的桌 面级w e b应用程序。 通过江联公司的试运行结果，系统达到了 渝眯。 并 且 对 江 联 公 司 提 出 了 基 于 R F I D 的 解 决 方 案 的 实 施 计 划 。
上传时间： 2016-06-01
上传用户：ynsnjs
segment,一个简单的中文分词程序，命令行如下： java -jar segmenter.jar [-b|-g|-8|-s|-t] inputfile.txt -b Big5, -g GB2312, -8 UTF-8, -s simp. chars, -t trad. chars Segmented text will be saved to inputfile.txt.seg
上传时间： 2014-01-04
上传用户：ynzfm
对于给定的一组进程，采用优先级加时间片轮转法进行调度。设有一个就绪队列，就绪进程按优先数（优先数范围0－100）由小到大排列（优先数越小，级别越高）。当某一进程运行完一个时间片后，其优先级应下调（如优先数加3），试对如下给定的一组进程给出其调度顺序。每当结束一进程时要给出当前系统的状态（即显示就绪队列）。这里，进程可用进程控制块（PCB）表示为如右表所示。 进程名 A B C D E F G H J K L M 到达时间 0 1 2 3 6 8 12 12 12 18 25 25 服务时间 6 4 10 5 1 2 5 10 4 3 15 8
标签： 进程
上传时间： 2014-01-13
上传用户：chfanjiang
对PL0原编译器进行了以下的扩充：1.增加以下保留字else(elsesym), for(forsym),to(tosym),downto(downtosym),return(returnsym),[(lmparen),](rmparen) 2.增加了以下的运算符：+=(eplus),-=(eminus),++(dplus),--(dminus) 取址运算符&(radsym),指向运算符@(padsym) 3.修改单词：修改不等号#为<> 4.扩充语句：(1)增加了else子句 (2)增加了for语句 5.增加运算：(1).++运算 (2).--运算；(3).+=运算 (4).-=运算；(5).&取址运算； (6).@指向运算； 6.增加类型：(1).增加多维数组a[i1][i2][i3]……[i(n-1)][i(n-2)][in] (2).增加指针类型(任何变量都能存放指针，但不支持指针的指针，如b:=@@a应该改写为c:=@a,b:=@c) 7.将过程procedure扩展为函数：(1).允许定义过程时在其后加参数(var a, var b,……..,var n) (2)允许通过指针向函数形式参数传地址；(3)允许返回值；可以用 a:=p(a,b,c….,n) 返回
标签： downtosym returnsym elsesym downto
上传时间： 2016-07-02
上传用户：saharawalker
使用说明 使用时打开此例题目录下pic中的图片，然后依次单击按钮“转”、“1”、“2”、“3”、“4”和“5”，就可以实现精确的车牌定位。 具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不同牌照有一定的适应性,能够保证背景基本被置为0,以突出牌照区域。 4.削弱背景干扰。对图像B做简单的相邻像素灰度值相减,得到新的图像G,即Gi,j=|Pi,j-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左边缘直接赋值,不会影响整体效果。 5.用自定义模板进行中值滤波 区域灰度基本被赋值为0。考虑到文字是由许多短竖线组成,而背景噪声有一大部分是孤立噪声,用模板(1,1,1,1,1)T对G进行中值滤波,能够得到除掉了大部分干扰的图像C。 6.牌照搜索:利用水平投影法检测车牌水平位置,利用垂直投影法检测车牌垂直位置。 7.区域裁剪,截取车牌图像。
上传时间： 2014-01-17
上传用户：851197153
ＡＳＰ个人聊天系统 If MenuSwf="" Then MenuSwf="About" select case lcase(MenuSwf) case "about" TopMenu="a" case "news" TopMenu="b" case "project" TopMenu="c" case "clients" TopMenu="e" case "contact" TopMenu="f" case "mainbinner" TopMenu="g" case "person" TopMenu="h"
标签： MenuSwf case TopMenu select
上传时间： 2016-07-11
上传用户：lht618
The task of clustering Web sessions is to group Web sessions based on similarity and consists of maximizing the intra- group similarity while minimizing the inter-group similarity． The first and foremost question needed to be considered in clustering W b sessions is how to measure the similarity between Web sessions．However．there are many shortcomings in traditiona1 measurements．This paper introduces a new method for measuring similarities between Web pages that takes into account not only the URL but also the viewing time of the visited web page．Yhen we give a new method to measure the similarity of Web sessions using sequence alignment and the similarity of W eb page access in detail Experiments have proved that our method is valid and e币cient．
标签： sessions clustering similarity Web
上传时间： 2014-01-11
上传用户：songrui
