前言2013年即将结束，不知读者在这一年中都收获了那些。
在这一年的最后一天班，我怀着激动的心情来写这本电子书的前言，在这本电子书的整理过程中，虽然舍弃了很多享受生活的时间，但从中我也收获了很多。
自从开始从事软件测试工作开始，我就深深的喜欢上了这个职业。
对我来说软件测试不单单是一份为了赚钱的工作，它同样也是我生活的一部分，我从中找到了自我的价值。
从开始在博客园写博客时，自我的价值开始被放大，我只多了一点分享精神。
从开始从事软件工作时就知道selenium这个自动化工具，网上找来资料学习，学会了用seleniumIDE录制脚本，学会了简单搭建java+seleniumRC的环境，写一个简单的自动化脚本。
后来，换了城市换了工作，一直于忙于工作和其它技术的学习，中间间隔了一年多没有再接触selenium。
直到2013年年初换了新工作后工作稍微轻松，业余时间开始学习python语言，然后就喜欢上了这门语言，由于所测试的是web产品，所以，就考虑通过python+selenium将产品自动化起来。
关于python+selenium的资料除了官方的一份API并不多，我们更容易找到的是java+selenium的资料。
对我来说学习的过程也比较缓慢，后来有幸认识了MarkRabbit，他在python+selenium方面有着比较丰富的实践经验。
webdriverAPI对种元素的定位和操作有着不少知识点，我每学会使用一个知识点整理一篇博客。
后来，积累了十几篇博客出来。
为了便于阅读我就整理成了一份PDF上传到了CSDN上面。
在MarkRabbit的一路指点下，我又开始学习pyhonunittest单元测试框架，通过python脚本批量执行测试用例等，然后整理出来第二版的内容。
在此过程中得到了不少同学的反馈，自己的自动化测试水平在不断的学习实践中得到了长足的进步。
后来，开始对脚本做参数化，引入HTMLTestRunner测试报告以及对测试结构调整。
整理出了第三版。
MarkRabbit趁周末休息的时间向我展示他们目前的python+selenium测试框架，我非常兴奋，同时也觉得这个技术非常有用，于是决定整理一本完整书出来，市面上关于selenium的书大多翻译官方文档，对selenium的讲解也泛泛之谈，并没有真正通过编程的方式来帮助读者真正的去实施自动化。
之前一位人民邮电出版社的编辑曾联系过我，并向我发送了一份编书的规范，当时并没有约稿。
这对我来说是一次新尝试，我想自己真能写出来再说。
有了这个想法之后，我每天像打了鸡血一样活在兴奋当中，坐车和睡觉前也在思考书中的技术点。
后来，乙醇告诉我编辑成书比较麻烦，不断的修改也是非常头痛的事情，而我没有精力反复做这些，由于自身水平的局限，我的更多精力是在技术点学习上。
后来，改变了想法以电子书的形式展现给大家，这样我的编写过程随意了许多，我要做就是简单易懂告诉这是怎么回事，如何去实现。

此小demo是一个有关按钮控制数据源（点击不同的按钮显示不同的数据），最后利用echarts将数据展示在前端

本文先通过平面示意图对企业进行了总体描述，结合用户的需求分析，通过网络拓扑图体现总体布局，从主干网传输方案、存储方案设计、设备选型、网络操作系统计数据库方案、信息系统集成这五个方面进行设计。
最后对此网络的安全进行了简单分析。

本书共有27章和3个附录，大致分成3个部分。
第1部分为第1章，介绍了VBA编程和Excel对象模型的基础知识。
第2部分为第2章～第27章，通过大量的实例介绍了Excel的关键对象，并介绍了Excel2007新的OfficeXML文件格式和RibbonX开发技术，其中一些章节专门介绍了为提取各种格式的数据而访问外部数据库的详细技术，最后4章探讨了将Excel链接到Internet、为国际兼容性编写代码、VBE编程以及如何使用Win32API函数等高级话题。
第3部分为附录，提供了Excel2007对象模型以及VBE和Office对象模型的所有对象，并包括相应的所有属性、方法和事件以及相关示例。
　　本书介绍的开发技术都是许多优秀的VBA程序员多年经验交流、归纳、总结的成果。
本书适合从基础到高级的Excel用户和程序员，特别是希望在Excel应用程序中利用VBA语言功能的Excel用户阅读。

C-C方法计算时间延迟和嵌入维数主程序：C_CMethod.m,C_CMethod_independent.m子函数：correlation_integral.m(计算关联积分)disjoint.m(将时间序列拆分成t个不相关的子序列)heaviside.m（计算时间序列的海维赛函数值）参考文献Nonlineardynamics,delaytimes,andembeddingwindows。
计算Lyapunov指数：largest_lyapunov_exponent.m（用吕金虎的方法计算最大Lyapunov指数）参考文献：基于Lyapunov指数改进算法的边坡位移预测。
lyapunov_wolf.m(用wolf方法计算最大Lyapunov指数)计算关联维数：G_P.m(G-P算法)混沌时间序列预测主函数MainPre_by_jiaquanyijie_1.m(该程序用加权一阶局域法对数据进行进行一步预测)MainPre_by_jiaquanyijie_n.m(该程序用加权一阶局域法对数据进行进行n步预测)MainPre_by_Lya_1.m(基于最大Lyapunov指数的一步预测)MainPre_by_Lya_n.m(基于最大Lyapunov指数的n步预测)nearest_point.m(计算最后一个相点的最近相点的位置及最短距离)子函数jiaquanyijie.m(该函数用加权一阶局域法(xx)、零级近似(yy)和基于零级近似的加权一阶局域法(zz)对时间数据进行一步预测)pre_by_lya.m(基于最大Lyapunov指数的预测方法)pre_by_lya_new.m(改进的基于最大Lyapunov指数的预测方法)

3.5版在3.0版的基础上，修正了很多错误，而且换上了新的用户系统，内含在线互发信息的子系统。
经过了几个月的测试，已经趋于稳定，这也是该论坛的最后一个源代码发行版本了。
演示地址http://c973.51.net/forum

这里的汉明码来自《差错控制编码》林舒第二版，为（7，4）汉明码，程序采用C++编写，通过AWGN信道，最后性能曲线通过matlab画出，对比未编码BPSK信道性能。

如果你现在有了设计大纲，你想研究的兴趣领域，和一些安排好的访谈。
接下来该怎么做呢？这篇文章将介绍为何以及如何在UX中进行用户访谈。
当你在看这些建议的时候，你会发现有些建议微不足道，或者显而易见，但我要说的是如果你忽视其中任何一个建议，整个访谈就会被毁掉。
相信我，这是我的经验之谈…最近几个星期，我为HinderlingVolkart客户手头上的一些项目进行了前后十几次用户访谈。
但在做最后一个访谈的时候，我完全把它搞砸了！我自认为我的受访者已经准备好了，也知道接受访谈的原因。
所以，我跳过了项目的介绍环节，直接开始访谈，“好的，那么现在我们开始吧！首先介绍下你自己！”事实证明这是一个巨大的错误…来源

针对高光谱图像空间分辨率不足导致异常检测虚警率过高的问题，提出了一种利用主成分分析（PCA）和IHS变换融合以降低虚警率的算法。
首先对低分辨率高光谱图像进行PCA变换，提取3个主成分；
然后对这3个主成分和高分辨率图像分别进行IHS变换，得到各自的强度分量，把高光谱数据的强度分量替换成高分辨率图像的强度分量；
再运用IHS变换的可逆性，将新的强度分量与原色度分量和饱和度分量进行IHS逆变换，得到空间信息增强的高光谱图像数据；
最后使用KRX算法对空间信息增强的高光谱图像数据进行异常检测。
实验结果表明，本文算法的虚警率与KRX算法相比有很大的降低，取得了良好的检测效果。

欢迎来到原始的MaNGOSmu项目（有时通过链接到我们的外部站点称为getMangos）MaNGOS在2005年8月28日左右由theLuda正式宣布为公共开源项目，他一直掌舵直到2012年12月，他决定从the场景中退休。
这时，他把ins绳交给了安茨（Antz）（从github等上的Billy1arm）开始，从那以后他一直负责该项目。
在其历史上，发生了几次分裂（均在2012年12月之前），由此形成了TrinityCore和Cmangos分支。
由于法律上的分歧，网站的网址和图标在其历史上已经更改了数次。
mangosproject.org，getmangos.com，getmangos.co.uk，其当前主页为getmangos.eu。
多年来，我们选择了一些图标：最后一个是侵犯中国电视频道的版权！但是已经解决了由UnkleNuke设计的图标系列，其核心/扩展会略

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。