Go To English Version 超过100万源码资源,1000万源码文件免费下载
  • TradeX交易接口开发手册 - 多账户版 v1.5.0.pdf Trade X.dll 是 C++编写的 32 位 DLL(基于 VS2010),可以在 32 位和 64 位的 Windows 7/8/10 以及服务器版 Windows 2008 Svr 等操作系统的环境下使用;但如果您使用 64 位的 C#、java、python,因为没有办法直接调用 32 位的接 口,所以无法直接使用 Trade X.dll。
  • c#版TradeX2-CSharp-M程序demo c#版TradeX2-CSharp-M程序demo,Trade X.dll 是 C++编写的 32 位 DLL(基于 VS2010),可以在 32 位和 64 位的 Windows 7/8/10 以及服务器版 Windows 2008 Svr 等操作系统的环境下使用;但如果您使用 64 位的 C#、java、python,因为没有办法直接调用 32 位的接 口,所以无法直接使用 Trade X.dll。
  • 基于遗传-支持向量机法的煤层顶板导水断裂带高度的分析 利用遗传算法以全局并行搜索方式来搜索优化群体中的最优个体的特点,获得了支持向量机参数的最佳值,建立了遗传-支持向量机模型(GA-SVR).有效反映了采空区长度、抗压强度和采厚等因素与煤层顶板导水断裂带高度的非线性关系.经具体工程应用验证了遗传-支持向量机法研究导水断裂带高度的有效性.并对影响断裂带高度的因素进行了权重分析,指出埋深、采空区长度、抗压强度和采厚是主导影响因素,同时指出从地质条件、岩体力学性质和开采条件3个方面选取指标的科学性.
  • windows下将nginx安装为服务的工具 大家都知道windows下启动nginx其实只要运行nginx.exe就行了,但是如何让nginx作为windows服务,然后配置成开机自启动的功能呢?大家肯定都知道用WinSW,但是怎么配置呢?这里就是用WinSW且携带配置好的xml,大家只要按照里面的注释修改下nginx的目录和日志文件的路径,然后运行nginx-svr.exe即可。
  • 基于改进遗传算法的支持向量机预测模型研究 作为一种新的机器学习方法,支持向量机的参数选择没有一个统一的模式和标准。为了克服这一缺点,对遗传算法进行改进,构造一种混沌云自适应模拟退火遗传算法(CCASAGA)对支持向量机回归参数进行优化。该算法将混沌优化、基于云模型的自适应控制机制和模拟退火的Metropolis准则结合起来,并采取精英保持策略加快算法的收敛速度。利用改进后的CCASAGA-SVR预测模型对某股份制银行ATM机现金需求进行预测,并引入GA-SVR模型和BP神经网络模型进行对比,从而证实该预测模型具有更高的预测精度。
  • 基于LabVIEW-化学计量学的化学分析系统 设计了一种基于LabVIEW软件平台及BP神经网络算法、支持向量机(SVR)、偏最小二乘(PLS)等分析算法的化学分析系统。系统以LabVIEW软件为基础,以调用MATLAB作为数据分析核心,以达到自动快速的分析目的。该系统还可将各种回归分析后的数据进行对比,并做出拟合曲线,效果直观、清晰。此系统作为虚拟仪器测量系统的数据分析模块,具有一定应用价值。
  • PCB技术中的释放MEMS机械结构的干法刻蚀技术 ... 了宽泛的制造工艺窗口,从而使良率得到了提升。   SVR-vHF氧化物释放模块结合现有的memsstar  SVR-Xe 牺牲性汽相释放模块 ... 无水氢氟蒸汽(aHF)来去除牺牲氧化物,从而释放MEMS机械结构。SVR蚀刻方法可以完全地去除牺牲材料而不损害机械结构或导致黏附,它同时提供了高度的可选择性、可重复性和均匀性。SVR保留有干燥的表面,没有任何残留物或
  • python数据挖掘预测Boston房价 第5章 LinearR/PLR/SVR/KNN/DTR/RFR(测算房价) python数据挖掘预测 ...
  • 基于深度学习方法的车辆上牌量预测 随着人民生活水平的提高,汽车数量不断增长,汽车的增长数量对交通基础设施建有着重要的意义,车辆上牌数量也成为衡量汽车数量的一项重要指标。近年随着深度学习算法在交通预测方面得到了较广泛的应用。针对城市车牌量准确预测的目的,本文采用了基于门控递归单元(GRU)神经网络模型,对城市车辆上牌数量进行更为准确的预测。同时,为了验证GRU模型的预测性能,ARIMA和支持向量回归模型参与对车辆上牌数量的预测。实验结果表明,相比ARIMA和SVR,GRU模型在车牌数量预测方面更加准确。
  • 基于IFOA-SVR的断路器销量预测 为了提高供应链中销量预测的准确性,提出一种改进森林优化算法(Improved forest optimization algorithm,IFOA)来优化销量预测.首先,引入量子系统中的delta势阱模型,使得算法能在充分利用局部最优的同时避免陷入局部最优;其次,引入自适应局部播种步长,从而优化算法的全局和局部寻优速度,保证算法精度;然后,定义森林广域播种中的自适应转移率,有效地平衡森林个体多样性与算法局部收敛能力之间的矛盾;接着,挖掘外部数据作为特征,通过计算每个特征与销量的相关性及其显著性进行特征 ...