计算复习日期的一个很有用的程序

复习日期计算程序
本文介绍了一个用于计算复习日期的程序,该程序能够帮助用户更好地管理复习时间,通过定期回顾知识点来加强记忆。程序实现了多种复习周期的计算,包括一天、一周、一个月、三个月及一年后的具体日期。

 这个详细的程序计算过去一个具体的日期。例如,你阅读这篇文章,你想要记住一个印象深刻的知识点。如果你没有照片一样的记忆力,你就要定期的复习这些新资料,这将帮助你记住它。关于复习系统,Kurt Hanks 和 Gerreld L. Pulsipher在他们的< Five Secrets to Personal Productivity个人能力的5个秘密>中有讨论,建议看过第一眼后马上回顾一下,然后是1天后,1个星期后,1个月后,3个月后,1年后。我的这篇文章,你要马上回顾一下,从现在算起,再就是明天,然后是1个星期,1个月,3个月,1年后。我们的程序将计算这些日期。
这个程序非常有用的,它将是PIM(Personal Information Manager个人信息管理器)的一个组成部分,并将确定复习时间。在下面的程序中,getDates()方法对一个返回日期数组(复习日期)的电子软件很有用。另外,你可以返回单独的一个日期,使用getFirstDay(),getOneDay(),getOneWeek(),getOnMonth ()和getOneYear().当时间范围超出这个PIM的ReviewDates的计算范围时ReviewDates类演示了怎样计算时间段。现在,你可以容易的修改它用来处理你需要的时间段,象图书馆借书,录影带租赁和抵押计算。首先,ReviewDates类显示在下面:

import java.util.*;
import java.text.*;
public class ReviewDates

private GregorianCalendar firstDay, oneDay, oneWeek, oneMonth, oneQuarter, oneYear;  
final int dateArraySize = 6;
  ReviewDates(GregorianCalendar gcDate) {    
int year = gcDate.get(GregorianCalendar.YEAR);   
  int month = gcDate.get(GregorianCalendar.MONTH);     
int date = gcDate.get(GregorianCalendar.DATE);   
  firstDay = new GregorianCalendar(year, month, date);   
  oneDay = new GregorianCalendar(year, month, date);    
oneWeek = new GregorianCalendar(year, month, date);     
oneMonth = new GregorianCalendar(year, month, date);    
oneQuarter = new GregorianCalendar(year, month, date);     
oneYear = new GregorianCalendar(year, month, date);   
  oneDay.add(GregorianCalendar.DATE, 1);    
oneWeek.add(GregorianCalendar.DATE, 7);    
oneMonth.add(GregorianCalendar.MONTH, 1);    
oneQuarter.add(GregorianCalendar.MONTH, 3);     
oneYear.add(GregorianCalendar.YEAR, 1);  

ReviewDates() {  
   this(new GregorianCalendar());  

public void listDates() {
     DateFormat df = DateFormat.getDateInstance(DateFormat.LONG);  
    Date startDate = firstDay.getTime();   
  Date date1 = oneDay.getTime();     
Date date2 = oneWeek.getTime();    
Date date3 = oneMonth.getTime();   
  Date date4 = oneQuarter.getTime();   
  Date date5 = oneYear.getTime();    
String ss =  df.format(startDate);   
  String ss1 = df.format(date1);   
  String ss2 = df.format(date2);   
  String ss3 = df.format(date3);  
   String ss4 = df.format(date4);   
  String ss5 = df.format(date5);    
System.out.println("Start date is " + ss);     
System.out.println("Following review dates are:");   
  System.out.println(ss1);    
System.out.println(ss2);    
System.out.println(ss3);   
  System.out.println(ss4);   
  System.out.println(ss5);   
  System.out.println();  

public GregorianCalendar[] getDates() {   
  GregorianCalendar[] memoryDates = new GregorianCalendar[dateArraySize];      memoryDates[0] = firstDay;     
memoryDates[1] = oneDay;  
   memoryDates[2] = oneWeek;    
memoryDates[3] = oneMonth;     
memoryDates[4] = oneQuarter;   
  memoryDates[5] = oneYear;    
return memoryDates; 
}
  public GregorianCalendar getFirstDay() {      return this.firstDay;   } 
public GregorianCalendar getOneDay() {      return this.oneDay;   }
   public GregorianCalendar getOneWeek() {      return this.oneWeek;   }
  public GregorianCalendar getOneMonth() {      return this.oneMonth;   }  
public GregorianCalendar getOneQuarter() {      return this.oneQuarter;   }
  public GregorianCalendar getOneYear() {      return this.oneYear;   }}

下面是使用ReviewDates类列出复习日期的例子程序:

import java.util.*;public class ShowDates {  
public static void main(String[] args) {    
ReviewDates rd = new ReviewDates();    
rd.listDates();     
GregorianCalendar gc = new GregorianCalendar(2001, Calendar.JANUARY, 15);      ReviewDates jan15 = new ReviewDates(gc);   
  jan15.listDates();  
}
}  

本课题设计了一种利用Matlab平台开发的植物叶片健康状态识别方案,重点融合了色彩与纹理双重特征以实现对叶片病害的自动化判别。该系统构建了直观的图形操作界面,便于用户提交叶片影像并快速获得分析结论。Matlab作为具备高效数值计算与数据处理能力的工具,在图像分析与模式分类领域应用广泛,本项目正是借助其功能解决农业病害监测的实际问题。 在色彩特征分析方面,叶片影像的颜色分布常与其生理状态密切相关。通常,健康的叶片呈现绿色,而出现黄化、褐变等异常色彩往往指示病害或虫害的发生。Matlab提供了一系列图像处理函数,例如可通过色彩空间转换与直方图统计来量化颜色属性。通过计算各颜色通道的统计参数(如均值、标准差及主成分等),能够提取具有判别力的色彩特征,从而为不同病害类别的区分提供依据。 纹理特征则用于描述叶片表面的微观结构与形态变化,如病斑、皱缩或裂纹等。Matlab中的灰度共生矩阵计算函数可用于提取对比度、均匀性、相关性等纹理指标。此外,局部二值模式与Gabor滤波等方法也能从多尺度刻画纹理细节,进一步增强病害识别的鲁棒性。 系统的人机交互界面基于Matlab的图形用户界面开发环境实现。用户可通过该界面上传待检图像,系统将自动执行图像预处理、特征抽取与分类判断。采用的分类模型包括支持向量机、决策树等机器学习方法,通过对已标注样本的训练,模型能够依据新图像的特征向量预测其所属的病害类别。 此类课题设计有助于深化对Matlab编程、图像处理技术与模式识别原理的理解。通过完整实现从特征提取到分类决策的流程,学生能够将理论知识与实际应用相结合,提升解决复杂工程问题的能力。总体而言,该叶片病害检测系统涵盖了图像分析、特征融合、分类算法及界面开发等多个技术环节,为学习与掌握基于Matlab的智能检测技术提供了综合性实践案例。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值