高光谱解混数据集（Samson），具有156个通道的Matlab格式数据，原始数据有952x952像素。
每个像素记录在156个通道上，覆盖401nm至889nm的波长。
光谱分辨率高达3.13nm。
由于原始图像太大，这在计算成本方面非常昂贵，因此使用95×95像素的区域。
它从原始图像中的第（252,332）像素开始。
此数据不会被空白通道或严重噪声通道降级。
具体而言，该图像中有三个目标，分别是“＃1土壤”，“＃2树”和“＃3水”。
每个像素记录在156个通道上，覆盖401nm至889nm的波长。
光谱分辨率高达3.13nm。
由于原始图像太大，这在计算成本方面非常昂贵，因此使用95×95像素的区域。
它从原始图像中的第（252,332）像素开始。
此数据不会被空白通道或严重噪声通道降级。
具体而言，该图像中有三个目标，分别是“＃1土壤”，“＃2树”和“＃3水”。
2023/10/29 12:43:07
3.42MB
1
这是我的毕业设计，通过Winpcap捕获网络原始数据包，根据网络协议分析数据包首部信息，并将解析结果显示到MFC界面上，使用了Winpcap强大的数据包过滤引擎，可以根据过滤规则准确的捕获特定的数据包。
2023/10/28 16:09:42
11.02MB
1
数学建模灰色预测模型的课件和代码：灰色预测是对既含有已知信息又含有不确定信息的系统进行预则，就是对在一定范围内变化的、与时间有关的灰色过程进行预测。
灰色预测对原始数据进行生成处理来寻找系统变动的规律，并生成有较强规律性的数据序列，然后建立相应的微分方程模型，从而预测事物未来发展趋势的状况。
灰色预测对原始数据进行生成处理来寻找系统变动的规律，并生成有较强规律性的数据序列，然后建立相应的微分方程模型，从而预测事物未来发展趋势的状况。
2023/10/14 17:13:27
3.89MB
1
这里面包含整个基于神经网络深度学习实现手写体识别项目，包括原始数据训练数据训练模型测试数据等总共是三种方式实现这是第二种和模型
2023/9/25 15:31:13
11.13MB
1
一、毕业设计（论文）内容及要求（包括原始数据、技术要求、达到的指标和应做的实验等）无人搬运车，简称AGV指装备有电磁或光学等自动导引装置，能够沿规定的导引路径行驶，具有安全保护以及各种移载功能不需驾驶员的运输车。
AGV小车一般通过单片机设备来控制其行进路线以及行为，或利用电磁轨道来设置其行进路线。
AGV小车以轮式移动为特征，较之步行、爬行或其它非轮式的移动机器人具有行动快捷、工作效率高、结构简单、可控性强、安全性好等优势。
与物料输送中常用的其他设备相比，AGV小车的活动区域无需铺设轨道、支座架等固定装置，不受场地、道路和空间的限制。
因此，在自动化物流系统中，最能充分地体现其自动性和柔性，实现高效、经济、灵活的无人化生产，具有极其重要的理论研究与实际应用意义。
本毕业设计需要：1.收集并阅读相关文献资料，综述近期（5年内）国内外AGV小车的应用与发展；
2.学习并掌握Arduino、AltiumDesigner技术；
3.基于AltiumDesigne软件，设计AGV小车的硬件系统；
4.基于Arduino单片机设计AGV小车的循迹运行功能，调试除错；
AGV小车一般通过单片机设备来控制其行进路线以及行为，或利用电磁轨道来设置其行进路线。
AGV小车以轮式移动为特征，较之步行、爬行或其它非轮式的移动机器人具有行动快捷、工作效率高、结构简单、可控性强、安全性好等优势。
与物料输送中常用的其他设备相比，AGV小车的活动区域无需铺设轨道、支座架等固定装置，不受场地、道路和空间的限制。
因此，在自动化物流系统中，最能充分地体现其自动性和柔性，实现高效、经济、灵活的无人化生产，具有极其重要的理论研究与实际应用意义。
本毕业设计需要：1.收集并阅读相关文献资料，综述近期（5年内）国内外AGV小车的应用与发展；
2.学习并掌握Arduino、AltiumDesigner技术；
3.基于AltiumDesigne软件，设计AGV小车的硬件系统；
4.基于Arduino单片机设计AGV小车的循迹运行功能，调试除错；
2023/9/19 21:46:20
25.84MB
1
基于小波变换的图像去噪的matlab程序的源代码，包含GUI界面和测试数据，可显示原始数据和加噪声干扰后的数据，处理后显示效果。
2023/9/11 11:19:13
68KB
1
近些年来，人工智能领域又活跃起来，除了传统了学术圈外，Google、Microsoft、facebook等工业界优秀企业也纷纷成立相关研究团队，并取得了很多令人瞩目的成果。
这要归功于社交网络用户产生的大量数据，这些数据大都是原始数据，需要被进一步分析处理;还要归功于廉价而又强大的计算资源的出现，比如GPGPU的快速发展。
除去这些因素，AI尤其是机器学习领域出现的一股新潮流很大程度上推动了这次复兴——深度学习。
本文中我将介绍深度学习背后的关键概念及算法，从最简单的元素开始并以此为基础进行下一步构建。
如果你不太熟悉相关知识，通常的机器学习过程如下：1、机器学习算法需要输入少量标记好的样本，比如10
这要归功于社交网络用户产生的大量数据，这些数据大都是原始数据，需要被进一步分析处理;还要归功于廉价而又强大的计算资源的出现，比如GPGPU的快速发展。
除去这些因素，AI尤其是机器学习领域出现的一股新潮流很大程度上推动了这次复兴——深度学习。
本文中我将介绍深度学习背后的关键概念及算法，从最简单的元素开始并以此为基础进行下一步构建。
如果你不太熟悉相关知识，通常的机器学习过程如下：1、机器学习算法需要输入少量标记好的样本，比如10
2023/8/30 10:16:15
462KB
1
主要在用TIMESAT的时候，只接受img与dat格式的数据，所以需要转格式。
这个代码实现了tif转img，其中s2要锁定转换文件的名称，最后uint8是你原始数据的格式
这个代码实现了tif转img，其中s2要锁定转换文件的名称，最后uint8是你原始数据的格式
2023/8/17 16:32:38
459B
1
软件介绍AuroraDataRecovery是一款专门恢复windows系统下数据丢失的软件，auroradatarecover操作简单，只需点几下鼠标就可以恢复数据，以只读方式从介质底层读取原始数据，不会对介质进行任何写入操作，绝不产生二次破坏。
auroradatarecover可恢复分区丢失，分区打不开，误删除误格式化,磁盘未被格式化,使用驱动器之前需要格式化,文件或目录损坏且无法读取,无法访问,分区参数错误，位置不可用,磁盘没有初始化等多种情况的数据，多种恢复方式针对不同的情况采用最合适的恢复方案，另外针对磁盘打不开提示未格式化或者目录或目录损坏且无法读取等状况也可以用RAW恢复。
v2.5更新：修复软件在勾选文件夹时需要勾选两遍才能勾选上的问题优化软件界面去除多余的功能，是软件看起来更加简单方便优化扫描硬盘时进度条提示信息
auroradatarecover可恢复分区丢失，分区打不开，误删除误格式化,磁盘未被格式化,使用驱动器之前需要格式化,文件或目录损坏且无法读取,无法访问,分区参数错误，位置不可用,磁盘没有初始化等多种情况的数据，多种恢复方式针对不同的情况采用最合适的恢复方案，另外针对磁盘打不开提示未格式化或者目录或目录损坏且无法读取等状况也可以用RAW恢复。
v2.5更新：修复软件在勾选文件夹时需要勾选两遍才能勾选上的问题优化软件界面去除多余的功能，是软件看起来更加简单方便优化扫描硬盘时进度条提示信息
2023/8/16 13:50:10
8.14MB
1
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。
2024-04-09 15:03
15KB