这是苏黎世联邦理工学院 Niklaus Wirth 的原始 Pascal-S 项目。 它一步编译和解释 Pascal 语言的一个子集，并且只用了大约 2000 行。 您可以在 sourceforge 中找到所有 Pascal-P 版本：https://sourceforge.net/projects/pascal-s/ https://sourceforge.net/projects/pascal-p2/ https://sourceforge.net/项目/pascalp4/ https://sourceforge.net/projects/pascalp5/ https://sourceforge.net/projects/pascal-p6/

我写这个程序时，在网上找的，思路清晰，程序写的也剪辑易懂。在这里和大家分享一下

NCEP NCAR再分析数据集逐日地面资料子集(1958-2000年)说明文档

汇编器 这是将 MIPS 指令集的子集转换为机器代码的两遍汇编程序的实现。 该汇编器仅使用 MIPS 指令代码的 .text 段。 在较高的层次上，我们的汇编器的功能可以划分如下： 第 1 步：读取输入 (.s) 文件。 注释被剥离，伪指令被扩展，每个标签的地址被记录到符号表中。 标签和伪指令的输入验证在此处执行。 输出被写入一个中间 (.int) 文件。 Pass 2：读取中间文件并将每条指令翻译成机器码。 在此步骤验证指令语法和参数。 生成重定位表，并将指令、符号表和重定位表写入对象（.out）文件。

克尼根·林算法 为了实现针对图划分问题的Kernighan-Lin算法，该算法考虑了将图的节点（其边沿上的成本）划分为给定大小的子集的问题，以最大程度地减少所有切边上的成本之和。 我们可以使用该算法来使电路板上的电路连接数最少。 我使用C ++来实现此算法。 使用UCI基准

C/C++语言编程安全子集

GJB5369(中国国家军用标准--C语言安全子集)，航天二院706所制定，国标文件。有助于形成良好的C语言编程风格。

基于知识表示学习的实体对齐方法是将多个知识图谱嵌入到低维语义空间,通过计算实体向量之间的相似度实现对齐.现有方法往往关注文本信息而忽视图像信息,导致图像中实体特征信息未得到有效利用.对此,提出一种基于联合知识表示学习的多模态实体对齐方法(ITMEA).该方法联合多模态(图像、文本)数据,采用TransE与TransD相结合的知识表示学习模型,使多模态数据能够嵌入到统一低维语义空间.在低维语义空间中迭代地学习已对齐多模态实体之间的关系,从而实现多模态数据的实体对齐.实验结果表明,ITMEA在WN18-IMG数据集中能够较好地实现多模态实体对齐.

子集、真子集、补集.doc

截取字体文件的一个子集,使用于ttf格式