ConceptDraw WebWave 5.8 網站結構分析工具 - wowbox blog (網頁設計知識庫)

ConceptDrawWebWave5.5网页结构分析工具.part5

ConceptDrawWebWave5.5网页结构分析工具

原型图 线框图_16个原型设计和线框图设计工具

原型图 线框图 8. Balsamiq样机 (8. Balsamiq Mockups) Balsamiq Mockups (price:$US79, demo available) is an interesting product running on Adobe AIR. Its representation of the interface elements has a refreshing...

ConceptDrawWebWave5.5网页结构分析工具.part4

ConceptDrawWebWave5.5网页结构分析工具

漂亮的ConceptDraw Mindmap！

Powered by ScribeFire.

《漂亮的流程图绘制》(ConceptDraw Professional)v7.4.0

 资源分类： 软件/应用软件 发布者： 東京熱 发布时间： 2007-10-21 06:50 最新更新时间： 2007-10-21 22:21 浏览次数： 36273eMule资源下面是用户共享的文件列表，安装eMule后，您可以点击这些文件名进行下载 [漂亮的流程图绘制].ConceptDraw.Profession

ConceptDraw7 中文版

ConceptDraw 7一款免费的网络图绘制软件。替换文件，记得做好源文件备份。

搜索引擎

导读： 　　【概念】 　　搜索引擎(search engine)是指根据一定的策略、运用特定的计算机程序搜集互联网上的信息，在对信息进行组织和处理后，为用户提供检索服务的系统。 　　从使用者的角度看，搜索引擎提供一个包含搜索框的页面，在搜索框输入词语，通过浏览器提交给搜索引擎后，搜索引擎就会返回跟用户输入的内容相关的信息列表。 　　互联网发展早期，以雅虎为代表的网站分类目录查询非常流行。网

网页结构提取

网页爬虫程序加网页结构化提取程序 信息作者: 李战 (hash:4024620258) 发表时间: 2006-03-10 11:34:33 阅读次数: 44 信息内容: 本信息...而网页内容提取可能需要根据不同的网址模式来定义提取模式。内容项的定位往往需要先找到特征的标题文字再提取随后的内容... www.cndev.org/foru

WEB网页结构化信息抽取技术介绍(网页库级)

导读： WEB结构化信息抽取就是将网页中的非结构化数据按照一定的需求抽取成结构化数据。是垂直搜索引擎和通用搜索引擎最大的差别。 　　如：比较购物搜索那就需要抓取网页后，对网页中的商品信息进行抽取，抽取出商品名称、价格、简介……甚至可以进一步将笔记本简介细分成“品牌、型号、CPU、内存、硬盘、显示屏、……” 　　房产信息搜索那就应该抽取出那应该抽取出：类型、地域、地址、房型、面积、装修情况、

lucene的中文分词器http://www.blogjava.net/dreamstone/archive/2007/06/22/125726.html

 lucene的中文分词器到现在还没有好的解决办法。下边介绍了两个lucene自己提供的分词器和一个javaeye上的网友实现的分词器。关于各个分词器的不同见代码中的print信息。直接运行得到console的输出结果更容易对比不同。package analyzer;import java.io.Reader;import java.io.StringReader;import org.apa

分布式多搜索引擎系统的研究与实现 - 更专、更深、更强--从Scirus看搜索引擎的发展 刘海霞,李后卿,

更专、更深、更强--从Scirus看搜索引擎的发展 刘海霞,李后卿,搜索引擎虽已成为互联网上最重要的工具之一,但目前的搜索引擎存在一定的不足.现介绍一种专业搜索引擎Scirus,分析其分布式多搜索引擎系统的研究与实现 A multi-search engine technology [微计算机信息 Control & Automation] 陈旭春 http://www.ilib.cn/A

VIPS:基于视觉的页面分割算法[微软下一代搜索引擎核心分页算法]

导读： 　　目前，随着互联网的高速发展，Web已经成为这个世界上最大的信息来源。Web 作为信息技术的载体已成为人们重要的工作、学习、生活、娱乐工具。Web的发展给人类生活带来了巨大的方便，人们可以跨越时间和空间界限来共享大量信息。但是如何去获取这些Web信息为我们所用则是大家面临的共同问题。在最基本的层次上，整个Web网络就是由无数的Web页面而构成，因此如果获取了这些Web页面就相当于

参数估计Picard迭代在非线性常微分方程参数估计中的应用研究（Matlab代码实现）

内容概要：本文系统研究了Picard迭代法在非线性常微分方程参数估计中的应用，深入阐述了该方法的数学原理及其在参数辨识中的收敛性与稳定性优势。通过构建最小化误差的目标函数，并结合数值积分技术，采用迭代方式逐步逼近系统的真实参数值，有效解决了非线性动态系统中因缺乏解析解而难以进行精确建模的问题。文中提供了完整的Matlab代码实现，涵盖模型定义、迭代求解、参数更新与结果可视化等关键环节，增强了方法的可操作性与工程实用性。研究通过典型非线性系统案例验证了算法的有效性，展示了其在科学计算与工程建模中的良好适应性与推广潜力。; 适合人群：具备常微分方程理论、数值分析基础及Matlab编程能力，从事系统建模、参数辨识、动力学仿真等相关方向的研究生、科研人员和工程技术开发者。; 使用场景及目标：①解决实际工程中非线性微分方程模型的未知参数估计问题；②深入理解Picard迭代法在科学计算中的实现机制与数值特性；③为学术论文复现、科研项目开发或课程设计提供可运行、易调试的技术方案与代码参考。; 阅读建议：建议读者结合文中的数学推导与Matlab代码逐行分析，重点关注迭代流程、目标函数构造与数值积分的耦合实现，通过修改模型结构或噪声条件进行扩展实验，以深化对算法鲁棒性与适用边界的理解。配套资源可通过指定公众号和网盘链接获取，推荐同步学习以加速科研进程。

XYF.SHX

XYF.SHX

焊接变位机_1.rar

焊接变位机_1.rar

基于多尺度集成极限学习机回归（Matlab代码实现）

内容概要：本文详细介绍了一种基于多尺度集成极限学习机（Extreme Learning Machine, ELM）的回归方法，并提供了完整的Matlab代码实现。该方法通过构建多尺度特征表示与集成学习机制，有效提升了ELM在处理非线性、高维复杂数据时的预测精度与模型鲁棒性，特别适用于时间序列回归任务。文档不仅阐述了算法的核心原理与技术流程，还系统展示了其在风电功率预测等工程场景中的应用潜力。同时，文中附带了丰富的科研仿真案例集合，涵盖智能优化算法、深度学习、信号处理、电力系统调度等多个前沿方向，体现了多学科交叉融合的技术优势与实践价值。; 适合人群：具备一定Matlab编程能力，从事科学研究或工程应用的研究生、科研人员及工程技术开发者，尤其适合专注于机器学习、智能算法优化、新能源预测与电力系统建模等相关领域的专业人员。; 使用场景及目标：①用于风电、光伏、负荷等时间序列数据的高精度回归预测任务；②为科研工作者提供可复现的多尺度集成ELM模型代码框架，支持快速算法验证与二次开发；③满足实际工程项目中对高效建模、实时预测与智能决策的技术需求。; 阅读建议：建议读者结合所提供的Matlab代码进行动手实践，深入理解多尺度特征构造与集成策略的设计思想，同时可参考文档中其他相关算法案例进行横向比较与综合应用，以提升整体科研创新能力。