精华内容
下载资源
问答
  • 交通工具代码
    千次阅读
    2021-04-11 11:02:51

    package com.sxt;

    public class Vehicle {

    //属性

    String name;//名字

    double speed;//速度

    double size;//大小

    //构造器

    public Vehicle(String name,double speed,double size){

    this.name=name;

    this.speed=speed;

    this.size=size;

    }

    public void move(){

    System.out.println(name+”在移动”);

    }

    public void speedUp(){

    System.out.println(name+”在加速”);

    }

    public void speedDown(){

    System.out.println(name+”在减速”);

    }

    public static void main(String[] args) {

    Vehicle Bike=new Vehicle(“Bike”, 50.5, 20.3);

    Bike.speedDown();

    Bike.speedUp();//System.out.println(Bike.name+"\n"+Bike.speed+Bike.size);}

    }

    更多相关内容
  • 公共交通工具由以下站点组成: 中心站 城际车站 站位。 运输类型为以下之一: 公共汽车 电车 短跑运动员 轨。 通过文件插入有关站点和两个站点之间的行驶持续时间的信息。 输入文件必须以“公共汽车”,“有轨...
  • 海陆空交通工具图标下载提供44张尺寸为128x128像素的PNG和ICO格式图标免费下载。
  • 交通系统代码

    2013-06-04 22:33:59
    全国交通系统C++代码,用来查询路线及最短路径之类的
  • java代码-请定义一个交通工具(Vehicle)的类,其中有: 属性:速度(speed),体积(size)等等 方 法: 移 动(move()) , 设置 速 度(setSpeed(int speed)) , 加速 speedUp(), 减速 speedDown()等等. 最后在测试类...
  • 道路交通matlab代码诺西姆 Noysim是一个免费的开源Python软件包,用于估算道路交通噪音水平。 它是专门为与微观交通模拟工具Aimsun集成而设计的。 它实现了Imagine发射模型和ISO 9613传播模型,并提供了用于构建...
  • 全国交通违章查询插件,省份城市可以自定义, 为各站长提供免费接口,包括PC版和移动版,接入方便,1分钟搞定。 只需一句代码,即可为网站增加一个热门查询工具
  • matlab仿真交通代码| | | | | | | 城市交通网络中的密度重建 概述 该存储库包含由,,,和Martin Rodriguez用来生成“使用异构数据源的城市交通网络中的密度和流量重建”示例的源代码。 结构 在MATLAB中启动文件...
  • 两个使用css3 animation制作轮船动画特效与飞机动画特效,漂亮的交通工具动画运动效果。
  • 道路交通matlab代码排放因子 一组用于组织交通排放因子的MATLAB代码。 数据 政府机构热爱卓越。 荷兰排放因子 荷兰的排放因子分别来自于荷兰政府在非高速公路和高速公路交通处下载的已发布的Excel电子表格。 它们...
  • 是一种用于生成空间、时间和时空交通矩阵的工具。 生成基于 Paul Tune 和 Matthew Roughan 在 ACM SIGCOMM 2015 上发表的Spatiotemporal Traffic Matrix Synthesis 中描述的最大熵模型。 为方便起见,还实现了其他...
  • 交通工具接口类案例

    2020-03-06 23:37:06
    有一个交通工具接口类Vehicles,有work接口, 有Horse类和Boat类分别实现Vehicles,创建交通工具工厂类,有两个方法分别获得交通工具Horse和Boat;有Person类,有name和Vehicles属性,在构造器中为两个属性赋值,...

    题目:

    有一个交通工具接口类Vehicles,有work接口, 有Horse类和Boat类分别实现Vehicles,创建交通工具工厂类,有两个方法分别获得交通工具Horse和Boat;有Person类,有name和Vehicles属性,在构造器中为两个属性赋值,实例化Person对象“唐僧”, 要求一般情况下用Horse作为交通工具,遇到大河时用Boat作为交通工具

    代码演示:

    package com.atguigu.homework;
    
    public class Homework04 {
    
    	public static void main(String[] args) {
    		// TODO Auto-generated method stub
    		Person person = new Person("唐僧", null);
    		person.passRiver();
    		person.commonCond();
    	}
    
    }
    
    // 根据要求做相应的分析
    interface Vehicles { // 接口
    	public void work();// 方法
    }
    
    class Horse implements Vehicles { // 具体交通工具
    
    	@Override
    	public void work() {
    		// TODO Auto-generated method stub
    		System.out.println("一般情况下 使用马马~~");
    	}
    
    }
    
    class Boat implements Vehicles { // 具体的交通工具
    
    	@Override
    	public void work() {
    		// TODO Auto-generated method stub
    		System.out.println("过河 使用船");
    
    	}
    
    }
    
    // VehiclesFactory=> 根据不同的情况,返回对应的交通工具
    class VehiclesFactory {
    	// 需要你自定一个条件来玩
    	// 分成两个方法
    	public static Vehicles getVehicles(String cond) {
    		if ("一般".equals(cond)) {
    			return new Horse();
    		} else if ("过河".equals(cond)) {
    			return new Boat();
    		} else {
    			return null;
    		}
    	}
    
    	public static Vehicles getBoat() {
    		return new Boat();
    	}
    
    }
    
    // 每个
    class Person {
    	private String name;
    	private Vehicles vehicles;
    
    	public Person(String name, Vehicles vehicles) {
    		super();
    		this.name = name;
    		this.vehicles = vehicles;
    	}
    
    	public String getName() {
    		return name;
    	}
    
    	public void setName(String name) {
    		this.name = name;
    	}
    
    	public Vehicles getVehicles() {
    		return vehicles;
    	}
    
    	public void setVehicles(Vehicles vehicles) {
    		this.vehicles = vehicles;
    	}
    
    	// 写两个方法来适应不同的情况
    	public void passRiver() {
    		// 使用到自己定义工厂类
    		Vehicles vehicles2 = VehiclesFactory.getVehicles("过河");
    		System.out.println(name);
    		vehicles2.work();
    	}
    
    	public void commonCond() {
    		// 使用到自己定义工厂类
    		Vehicles vehicles2 = VehiclesFactory.getVehicles("一般");
    		System.out.println(name);
    		vehicles2.work();
    	}
    }
    
    展开全文
  • 由用户输入起始站、终点站、最优决策原则和交通工具,输出信息:最快需要多长时间才能到达或者最少需要多少。 旅费才能到达,并详细说明依次于何时坐哪一趟列车哪一次班机到何地。 (6)将城市、路线、时间等数据存入...
  • 超详细的k-近邻算法KNN(附Python代码) 搜索微信公众号:‘AI-ming3526’或者’计算机视觉这件小事’ 获取更多机器学习干货 csdn:https://blog.csdn.net/baidu_31657889/ github:...

    机器学习实战2.1. 超详细的k-近邻算法KNN(附Python代码)

    搜索微信公众号:‘AI-ming3526’或者’计算机视觉这件小事’ 获取更多机器学习干货
    csdn:https://blog.csdn.net/baidu_31657889/
    github:https://github.com/aimi-cn/AILearners

    本文参考地址:[apachecn/AiLearning]

    本文出现的所有代码,均可在github上下载,不妨来个Star把谢谢~:Github代码地址

    KNN 概述

    k-近邻(kNN, k-NearestNeighbor)算法是一种基本分类与回归方法,我们这里只讨论分类问题中的 k-近邻算法。

    一句话总结:近朱者赤近墨者黑!
    工作原理:
    存在一个样本数据集合,也称作为训练样本集,并且样本集中每个数据都存在标签,即我们知道样本集中每一个数据与所属分类的对应关系。输入没有标签的新数据后,将新的数据的每个特征与样本集中数据对应的特征进行比较,然后算法提取样本最相似数据(最近邻)的分类标签。一般来说,我们只选择样本数据集中前k个最相似的数据,这就是k-近邻算法中k的出处,通常k是不大于20的整数。最后,选择k个最相似数据中出现次数最多的分类,作为新数据的分类。

    k近邻算法的输入为实例的特征向量,对应于特征空间的点;输出为实例的类别,可以取多类。k 近邻算法假设给定一个训练数据集,其中的实例类别已定。分类时,对新的实例,根据其 k 个最近邻的训练实例的类别,通过多数表决等方式进行预测。因此,k近邻算法不具有显式的学习过程。
    k近邻算法实际上利用训练数据集对特征向量空间进行划分,并作为其分类的“模型”。 k值的选择、距离度量以及分类决策规则是k近邻算法的三个基本要素。

    KNN 场景

    电影可以按照题材分类,那么如何区分 动作片爱情片 呢?

    1. 动作片:打斗次数更多
    2. 爱情片:亲吻次数更多

    基于电影中的亲吻、打斗出现的次数,使用 k-近邻算法构造程序,就可以自动划分电影的题材类型。

    在这里插入图片描述

    现在根据上面我们得到的样本集中所有电影与未知电影的距离,按照距离递增排序,可以找到 k 个距离最近的电影。
    假定 k=3,则三个最靠近的电影依次是, He’s Not Really into Dudes 、 Beautiful Woman 和 California Man。
    knn 算法按照距离最近的三部电影的类型,决定未知电影的类型,而这三部电影全是爱情片,因此我们判定未知电影是爱情片。
    对于K近邻算法概念还没搞太清楚的同学 可以往下面看 直到看完整个demo你就可以理解KNN算法是干啥的了

    KNN 原理

    KNN 工作原理

    1. 假设有一个带有标签的样本数据集(训练样本集),其中包含每条数据与所属分类的对应关系。
    2. 输入没有标签的新数据后,将新数据的每个特征与样本集中数据对应的特征进行比较。
      1. 计算新数据与样本数据集中每条数据的距离。
      2. 对求得的所有距离进行排序(从小到大,越小表示越相似)。
      3. 取前 k (k 一般小于等于 20 )个样本数据对应的分类标签。
    3. 求 k 个数据中出现次数最多的分类标签作为新数据的分类。

    KNN 通俗理解

    给定一个训练数据集,对新的输入实例,在训练数据集中找到与该实例最邻近的 k 个实例,这 k 个实例的多数属于某个类,就把该输入实例分为这个类。

    KNN 开发流程

    收集数据:任何方法
    准备数据:距离计算所需要的数值,最好是结构化的数据格式
    分析数据:任何方法
    训练算法:此步骤不适用于 k-近邻算法
    测试算法:计算错误率
    使用算法:输入样本数据和结构化的输出结果,然后运行 k-近邻算法判断输入数据分类属于哪个分类,最后对计算出的分类执行后续处理
    

    KNN 算法特点

    优点:精度高、对异常值不敏感、无数据输入假定
    缺点:计算复杂度高、空间复杂度高
    适用数据范围:数值型和标称型
    

    话不多说直接上代码:

    代码地址:https://github.com/aimi-cn/AILearners/tree/master/src/py2.x/ml/jqxxsz/2.KNN/KNN.py

    #!/usr/bin/env python
    # -*- encoding: utf-8 -*-
    '''
    @File    :   KNN.py
    @Time    :   2019/03/27 11:07:01
    @Author  :   xiao ming 
    @Version :   1.0
    @Contact :   xiaoming3526@gmail.com
    @Desc    :   KNN近邻算法
    @github  :   https://github.com/aimi-cn/AILearners
    @reference:  https://github.com/apachecn/AiLearning
    '''
    
    # here put the import lib
    from __future__ import print_function
    from numpy import *
    import numpy as np
    import operator
    # 导入科学计算包numpy和运算符模块operator
    from os import listdir
    from collections import Counter
    
    def createDataSet():
        """
        创建数据集和标签
        调用方式
        import kNN
        group, labels = kNN.createDataSet()
        """
        group =  array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]])
        labels = ['A','A','B','B']
        return group, labels
    
    def test1():
        group, labels = createDataSet()
        '''
        [[1.  1.1]  #标签对应A
        [1.  1. ]   #标签对应A
        [0.  0. ]   #标签对应B
        [0.  0.1]]  #标签对应B
    
        ['A', 'A', 'B', 'B']
        '''
        #print(str(group))
        #print(str(labels))
        #print(classify0([0.1, 0.1], group, labels, 3))
        print(classify1([0.1, 0.1], group, labels, 3))
    
    def classify0(inX, dataSet, labels, K):
        '''
        inX: 用于分类的输入向量 输入的测试数据
        dataSet:输入的训练样本
        lables:标签向量
        k:选择最近邻居的数目 通常小于20
        注意:labels元素数目和dataSet行数相同;程序使用欧式距离公式.
    
        预测数据所在分类可在输入下列命令
        kNN.classify0([0,0], group, labels, 3)
        '''
        # -----------实现 classify0() 方法的第一种方式----------------------------------------------------------------------------------------------------------------------------
        # 1. 距离计算
        #计算数据大小
        dataSetSize = dataSet.shape[0]
        '''
        tile使用: 列3表示复制的行数, 行1/2表示对inX的重复的次数
        In [2]: inx = [1,2,3]
        In [3]: tile(inx,(3,1))  #列3表示复制的行数 行1表示对inX的重复的次数
        Out[3]: 
        array([[1, 2, 3],
            [1, 2, 3],
            [1, 2, 3]])
    
        In [4]: tile(inx,(3,2)) #列3表示复制的行数 行2表示对inX的重复的次数
        Out[4]: 
        array([[1, 2, 3, 1, 2, 3],
            [1, 2, 3, 1, 2, 3],
            [1, 2, 3, 1, 2, 3]])
        '''
        # tile生成和训练样本对应的矩阵,并与训练样本求差
        diffMat = tile(inX, (dataSetSize, 1)) - dataSet
        '''
        欧氏距离: 点到点之间的距离
           第一行: 同一个点 到 dataSet的第一个点的距离。
           第二行: 同一个点 到 dataSet的第二个点的距离。
           ...
           第N行: 同一个点 到 dataSet的第N个点的距离。
        [[1,2,3],[1,2,3]]-[[1,2,3],[1,2,0]]
        (A1-A2)^2+(B1-B2)^2+(c1-c2)^2
        '''
        # 取平方
        sqDiffMat = diffMat ** 2
        # 讲矩阵的每一行相加
        sqDistances = sqDiffMat.sum(axis=1)
        # 开方
        distances = sqDistances ** 0.5
        #print ('distances=', distances)
        #distances= [1.3453624  1.27279221 0.14142136 0.1]
        # 根据距离排序从小到大的排序,返回对应的索引位置
        sortedDistIndicies = distances.argsort()
        #print ('distances.argsort()=', sortedDistIndicies)
        #distances.argsort()= [3 2 1 0]
    
        # 2. 选择距离最小的K个点
        classCount = {}
        for i in range(K):
            #找到该样本的类型
            voteIlabel = labels[sortedDistIndicies[i]]
            # 在字典中将该类型加一
            # 字典的get方法
            # 如:list.get(k,d) 其中 get相当于一条if...else...语句,参数k在字典中,字典将返回list[k];如果参数k不在字典中则返回参数d,如果K在字典中则返回k对应的value值
            # l = {5:2,3:4}
            # print l.get(3,0)返回的值是4;
            # Print l.get(1,0)返回值是0;
            classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1
        #print(classCount)
        #{'A': 1, 'B': 2}
    
        # 3. 排序并且返回出现最多的那个数据类型
        # 字典的 items() 方法,以列表返回可遍历的(键,值)元组数组。
        # 例如:dict = {'Name': 'Zara', 'Age': 7}   print "Value : %s" %  dict.items()   Value : [('Age', 7), ('Name', 'Zara')]
        # sorted 中的第2个参数 key=operator.itemgetter(1) 这个参数的意思是先比较第几个元素
        # 例如:a=[('b',2),('a',1),('c',0)]  b=sorted(a,key=operator.itemgetter(1)) >>>b=[('c',0),('a',1),('b',2)] 可以看到排序是按照后边的0,1,2进行排序的,而不是a,b,c
        # b=sorted(a,key=operator.itemgetter(0)) >>>b=[('a',1),('b',2),('c',0)] 这次比较的是前边的a,b,c而不是0,1,2
        # b=sorted(a,key=opertator.itemgetter(1,0)) >>>b=[('c',0),('a',1),('b',2)] 这个是先比较第2个元素,然后对第一个元素进行排序,形成多级排序。
        #我们现在需要出现次数最多的那个 所以使用reverse=True列表反向排序
        sortedClassCount = sorted(classCount.items(), key=operator.itemgetter(1), reverse=True)
        return sortedClassCount[0][0]
    
    def classify1(inX, dataSet, labels, K):
        '''
        inX: 用于分类的输入向量 输入的测试数据
        dataSet:输入的训练样本
        lables:标签向量
        k:选择最近邻居的数目 通常小于20
        注意:labels元素数目和dataSet行数相同;程序使用欧式距离公式.
    
        预测数据所在分类可在输入下列命令
        kNN.classify0([0,0], group, labels, 3)
        '''
        # -----------实现 classify0() 方法的第二种方式----------------------------------------------------------------------------------------------------------------------------
        # 欧氏距离: 点到点之间的距离
        #    第一行: 同一个点 到 dataSet的第一个点的距离。
        #    第二行: 同一个点 到 dataSet的第二个点的距离。
        #    ...
        #    第N行: 同一个点 到 dataSet的第N个点的距离。
    
        # [[1,2,3],[1,2,3]]-[[1,2,3],[1,2,0]]
        # (A1-A2)^2+(B1-B2)^2+(c1-c2)^2
        
        # inx - dataset 使用了numpy broadcasting,见 https://docs.scipy.org/doc/numpy-1.13.0/user/basics.broadcasting.html
        # np.sum() 函数的使用见 https://docs.scipy.org/doc/numpy-1.13.0/reference/generated/numpy.sum.html
        # """
        dist = np.sum((inX - dataSet)**2, axis=1)**0.5
        
        # """
        # 2. k个最近的标签
        
        # 对距离排序使用numpy中的argsort函数, 见 https://docs.scipy.org/doc/numpy-1.13.0/reference/generated/numpy.sort.html#numpy.sort
        # 函数返回的是索引,因此取前k个索引使用[0 : k]
        # 将这k个标签存在列表k_labels中
        # """
        k_labels = [labels[index] for index in dist.argsort()[0 : K]]
    	# """
        # 3. 出现次数最多的标签即为最终类别
        
        # 使用collections.Counter可以统计各个标签的出现次数,most_common返回出现次数最多的标签tuple,例如[('lable1', 2)],因此[0][0]可以取出标签值
    	# """
        label = Counter(k_labels).most_common(1)[0][0]
        return label
    
    if __name__ == '__main__':
        test1()
        
    
    
    
    输入:
    	dataSet:输入的训练样本
    	[[1.0,1.1]  #标签对应A
        [1.0,1.0]   #标签对应A
        [0,    0]   #标签对应B
        [0, 0.1]]  #标签对应B
    
    	lables:标签向量
        ['A', 'A', 'B', 'B']
        
        inX: 用于分类的输入向量 输入的测试数据
        [0.1, 0.1]
    输出:
    	B
    说明这个输出的标签更靠近B 输入B类
    ###
    详细介绍看代码注释哈
    

    AIMI-CN AI学习交流群【1015286623】 获取更多AI资料
    扫码加群:
    在这里插入图片描述
    分享技术,乐享生活:我们的公众号每周推送“AI”系列资讯类文章,欢迎您的关注!
    在这里插入图片描述

    展开全文
  • GABP预测交通流量,Matlab源代码,内含数据,注释详细,内含gaot遗传算法工具箱。
  • 推荐几个代码静态分析工具

    千次阅读 2021-04-26 00:24:44
    关注+星标公众号,不错过精彩内容作者 | strongerHuang微信公众号|嵌入式专栏大家平时写代码,有用代码静态分析工具进行分析吗?可能很多人都没有对代码进行过静态分析,今天就来...

    关注+星标公众,不错过精彩内容

    作者 | strongerHuang

    微信公众号 | 嵌入式专栏

    大家平时写代码,有用代码静态分析工具进行分析吗?

    可能很多人都没有对代码进行过静态分析,今天就来给大家推荐几个代码静态分析工具。

    嵌入式专栏

    0

    关于代码静态分析工具

    代码静态分析工具,顾名思义就是对代码进行静待分析,以提前预判(分析出)代码潜在的一些问题的工具。

    换句话说,就是通过工具找出你代码的bug(错误、警告)。

    代码静态分析工具需要你的代码遵循一定规范,比如遵循C99MISRA C:2012等,不然工具不支持对你代码的静态分析。

    代码静态分析工具有独立存在的(就是一款软件工具),也有集成在IDE中的。比如比如:IAR EWARM就自带静待分析工具。

    同时,有些工具支持通过“安装插件”的形式集成在IDE中,比如:在keil MDK中添加PC-lint代码静态分析工具

    下面给大家介绍几个款代码静待分析工具:

    嵌入式专栏

    1

    LDRA

    1.网址

    https://www.ldra.com/

    2.介绍

    LDRA是拥有40多年经验的领先公司,LDRA主要针对代码安全和业务关键市场的代码分析和软件测试自动化的软件市场,以实现代码的早期错误识别并消除bug。

    同时,LDRA完全符合行业标准,通过静态和动态分析跟踪要求,以对各种硬件和软件平台进行单元测试和验证。LDRA的业务遍及全球,在英国,美国,德国和印度设有总部,并拥有广泛的分销商网络。

    LDRA符合 ISO 9001:2008。LDRA工具套件已通过TÜVSÜD 和SGS-TÜVSAAR 认证。这些工具符合IEC 61508,IEC 62304,IEC 60880,EN 50128和ISO 26262的规定,可用于与安全相关的软件开发。

    应用领域:

    3.特点

    • 自动化单元测试和系统级测试

    • 自动生成软件认证和批准证据

    • 规划和执行基于需求的测试

    • 对直至目标级别的所有代码执行和报告覆盖率分析

    • 几乎可以在任何主机或目标平台上进行单元测试和系统级测试

    • 符合编码标准(行业和用户定义)

    4.试用

    LDRA工具套件支持30天免费试用。

    嵌入式专栏

    2

    Parasoft C / C ++ test

    1.网址

    https://www.parasoftchina.com/products/ctest/

    2.介绍

    Parasoft® C/C++test® 是专业针对C和C++语言的开发测试方案,经广泛证明能提高软件开发效率和代码质量的自动化最佳实践解决方案。

    Parasoft 公司成立于1987年,总部位于加利福尼亚州的洛杉矶。有着30多年的丰富的专业技术积累和行业应用经验,产品横跨单元测试、静态分析、动态分析、功能测试、压力测试、信息安全测试、通信协议仿真、应用环境虚拟化等。

    3.特点

    • 提升C/C++开发软件质量

    • 自动化测试平台

    • 遵从性认证标准

    • 嵌入式和跨平台开发

    • 提升开发效率,加速软件交付

    • 低成本学习,高度可定制化

    4.支持广泛平台

    支持主机平台:

    • Windows

    • Visual Studio

    • Solaris UltraSPARC

    支持IDE:

    • Eclipse IDE for Developers

    • Microsoft Visual Studio

    • Wind River Workbench

    • ARM Workbench IDE for RVDS

    • ARM Development Studio

    • QNX Momentics IDE (QNX Software Development Platform)

    • Texas Instruments Code Composer Studio

    • ARM ADS

    • Green Hills MULTI

    • IAR Embedded Workbench

    • Keil µVision IDE

    • Keil RealView

    • Microsoft eMbedded Visual C++

    • Microsoft Visual Studio

    • Texas Instruments Code Composer

    • Wind River Tornado

    还有更多:

    4.试用

    Parasoft C/C++test工具套件同样支持免费试用,可进入官网申请免费试用。

    嵌入式专栏

    3

    PVS-Studio

    1.网址

    https://pvs-studio.com/en/pvs-studio/

    2.介绍

    PVS-Studio是用于检测用C,C ++,C#和Java编写的程序源代码中的错误和安全漏洞的工具。它可以在Windows,Linux和macOS环境中的64位系统下运行,并且可以分析用于32位,64位和嵌入式ARM平台的源代码。

    PVS-Studio执行静态代码分析并生成报告,以帮助程序员查找和修复错误。PVS-Studio执行各种代码检查,对于发现打印错误和复制粘贴错误也很有用。比如:V501,V517,V522,V523,V3001等类似错误信息。

    3.特点

    备注:截图内容为自动翻译,可能存在一些翻译错误。

    4.支持广泛平台

    操作系统:

    • Windows

    • Linux

    • macOS

    使用C/C++编译器对应教程的地址:

    https://pvs-studio.com/en/m/0033/

    5.试用

    PVS-Studio工具套件同样为商业付费软件,但支持免费试用。

    嵌入式专栏

    4

    VectorCAST

    1.网址

    https://www.vector.com/de/en/products/products-a-z/software/vectorcast/

    2.介绍

    VectorCAST嵌入式软件测试平台是一系列产品,可在整个软件开发生命周期内自动执行分析和测试。

    VectorCAST工具系列支持测试用例的创建和管理,以验证底层软件。此外,VectorCAST工具支持在DO-178C和ED-12C规定的所有级别(包括A级)上捕获和报告结构代码覆盖率数据。

    应用于:航天航空、汽车、工业、医疗、轨道交通等领域。

    软件关键级别和结构覆盖要求:

    3.特点

    • 支持DO-178C要求的所有级别的代码覆盖范围;ED-12C

    • 自动生成和编译完整的测试存根和驱动程序

    • 自动回归测试

    • 符合标准的测试报告生成

    • 在主机,模拟器和嵌入式目标系统上测试执行

    4.试用

    VectorCAST工具套件同样为商业付费软件,但支持免费试用。

    最后,篇幅有限,先推荐这些,还有更多静态分析工具,后期为大家分享。

    ------------ END ------------

    后台回复『软件工具』『嵌入式软件设计与开发』阅读更多相关文章。

    欢迎关注我的公众号回复“加群”按规则加入技术交流群,回复“1024”查看更多内容。

    欢迎关注我的视频号:

    点击“阅读原文”查看更多分享,欢迎点分享、收藏、点赞、在看。

    展开全文
  • processing所有代码

    千次阅读 2019-10-11 17:31:10
    地址:https://www.douban.com/group/topic/36456131/
  • l-曲线矩阵代码交通模拟 基于Matlab的模拟工具,用于定义和模拟由各种道路基础设施(直线/弯曲道路,交叉路口,环形交叉路口等),动态道路交通参与者(例如车辆,行人,自行车等)组成的交通场景。完全模块化,可以...
  • 定义一个交通工具(Vehicle)的类#标题 请定义一个交通工具(Vehicle)的类,其中有: 属性:速度(speed),体积(size)等 方法:移动(move()),设置速度(setSpeed(int speed)),设置体积(setSize(int size))加速speedUp...
  • 展开全部1、Vehicle类所具有的属性题目没有给定...代码如下publicclassVehicle{privatedoublespeed;//速度privateStringname;//名字privateStringcolor;//颜色publicdoublegetSpeed(){returnspeed;}publicvoidsetS...
  • 视频描述链接:https://live.csdn.net/v/216561
  • 数据融合matlab代码世界地图上的交通热图生成 介绍 这是交通热图的编码部分。 该项目旨在使用LiDAR和GPS数据基于世界地图创建交通热图。 视频链接为:![交通热图](traffic heatmap.png) 会员 陈雨峰Nitish Sanghi...
  • 定义描述交通工具的抽象类Vehicle,并由Vehicle类派生出两种交通工具——飞机类Plane和火车类Train,主函数完成相关的测试。 Vehicle类结构说明: Vehicle类的成员函数包括: ①公有函数成员float travelTime(float)...
  • 为某研究所编写一个通用程序,用来计算每一种交通工具运行1000公里所需的时间,已知每种交通工具的参数都是3个整数ABC的表达式。 现有两种工具:Car007和Plane,其中Car007的速度运算公式为A*B/C,Plane的速度运算...
  • (2)城市之间有两种或两种以上交通工具:火车和飞机。提供对列车时刻表和飞机航班进行编辑(增设或删除)的功能。(3)提供两种最有决策:最快到达和最省钱到达。全程只考虑一种交通工具。(4)旅途中耗费的总时间...
  • 运动想象分类matlab代码交通车辆识别系统 夏季项目,使用MATLAB中的神经网络工具箱来区分收费车辆和免税旅行者。 文档尚未完成!>>代码重组待定>>关于Gpu的硬件限制(更好的Nvidia计算能力> = 3.5要求)>>使用背景...
  • 出于不同目的的旅客对交通工具有不同的要求.例如,因公出差的旅客希望在旅途中的时间尽可能短,出门旅游的游客则期望旅费尽可能省,而老年旅客则要求中转次数最少.编制一个全国城市间的交通咨询程序,为旅客提供两种或...
  • 简介:5 款阿里常用代码检测工具免费体验,仅需 2 步,Cherry键盘、公仔抱回家,100%拿奖!作者 | 喻阳面临问题在日常研发过程中,我们通常面临的代码资产问题主要分为两大类:代码质量问题和代码安全漏洞。1、代码...
  • -基于Nagel-Scheckenberg模型的一套用于进行实际区域交通运输分析的集成工具。 在NS模型的基础上,(Schreiber,2000)的信息理论概念被应用于分析NS模型生成的数据。 TE是考虑复杂系统中信息流之间关系的一种相对较...
  • 先分析你的代码:涉及变量kind的方法是public String getKind(String string){return kind;} 下面又调用这个方法 veh.getKind("car"); 由你定义的方法看你传入的参数与返回的参数无关--【一个是string ,一个是...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 35,211
精华内容 14,084
热门标签
关键字:

交通工具代码