Linux零碎CentOS-6.2、6.5、7.0下载地址，内附CentOS6.4安装（超级详细图解教程）安装说明，方便小白下载安装。

ESXi-6.5带8169驱动，真正的6.5版本。
自用打包的ISO文件。
如发现百度盘下载失败请留言联络！

《CATIAV5R20快速入门教程由詹熙达主编，是学习CATIAV5R20的快速入门与提高教程，内容包括CATIAV5R20功能概述、软件安装、软件的环境设置与工作界面的定制、二维草图设计、零件设计、曲面设计、装配设计、工程图设计、运动仿真与动画设计和钣金设计等。
本书是根据北京兆迪科技有限公司给国内外几十家不同行业的著名公司（含国外独资和合资公司）的培训教案整理而成的，具有很强的实用性和广泛的适用性。
本书附带2张多媒体DVD学习光盘，制造了262个设计技巧和具有针对性的实例教学视频并进行了详细的语音讲解，时间长达8个小时（482分钟），光盘中还包含本书所有的练习素材源文件、范例文件以及CATIAV5R20软件的配置文件（2张DVD光盘教学文件容量共计6.5GB）。
另外，为方便CATIA低版本用户和读者的学习，光盘中特提供了CATIAV5R17、CATIAV5R19版本主要章节的素材源文件。
由于随书光盘中有完整的素材源文件和全程语音讲解视频，读者学习本书时配合光盘使用，将达到*的学习效果。
在内容安排上，为了使读者更快地掌握该软件的基本功能，书中结合大量的实例对CATIAV5R20软件中的一些抽象的概念、命令和功能进行讲解；
另外，书中用范例讲述了一些实际生产一线产品的设计过程，能使读者较快地进入产品设计实战状态。
在写作方式上，本书紧贴软件的实际操作界面，使初学者能够尽快地上手，提高学习效率。
读者在系统学习本书后，能够迅速地运用CATIA软件来完成一般产品的零部件三维建模（含钣金）、装配、工程图设计、电子样机制造等设计工作。

组态王6.5是亚控科技在组态王6.0x系列版本成功应用后，广泛征询数千家用户的需求和使用经验，采取先进软件开发模式和流程，由十多位资深软件开发工程师历时一年多的开发，及四十多位试用户一年多的实际现场考验。
使用更方便，功能更强大，功能更优异，软件更稳定，质量更可靠。
组态王6.5的推出再次验证了亚控科技“以客为尊、务实创新、勤奋正值、协作成长”的经营理念。
亚控科技是一个永远都会将用户利益放在首位的、值得用户信赖的自动化软件服务商。
　　Internet时代的杰作　　随着Internet科技日益渗透到生产、生活的各个领域，自动化软件的e趋势已发展成为整合IT与工厂自动化的关键。
亚控科技一直

组态王6.5是亚控科技在组态王6.0x系列版本成功应用后，广泛征询数千家用户的需求和使用经验，采取先进软件开发模式和流程，由十多位资深软件开发工程师历时一年多的开发，及四十多位试用户一年多的实际现场考验。
使用更方便，功能更强大，功能更优异，软件更稳定，质量更可靠。
组态王6.5的推出再次验证了亚控科技“以客为尊、务实创新、勤奋正值、协作成长”的经营理念。
亚控科技是一个永远都会将用户利益放在首位的、值得用户信赖的自动化软件服务商。
　　Internet时代的杰作　　随着Internet科技日益渗透到生产、生活的各个领域，自动化软件的e趋势已发展成为整合IT与工厂自动化的关键。
亚控科技一直

本书可作为工科类研究生矩阵论教材，全书共分6章（约50学时），主要讲解矩阵的基本理论与方法，包括线性空间与线性变换，常见的矩阵分解，广义逆矩阵，矩阵分析，矩阵的直积与非负矩阵的引见等，各章配有相应的习题用作练习。
　　本书也可作为理工科学生及教师的教学参考书。
第2版前言第1章线性代数引论1.1线性空间1.2线性变换及矩阵1.3Jordan标准形1.4欧氏空间和酉空间第2章矩阵的分解2.1QR分解2.2正规矩阵及Schur分解2.3满秩分解2.4奇异值分解2.5单纯矩阵的谱分解第3章矩阵的广义逆3.1广义逆矩阵3.2广义逆矩阵A+3.3A+的几种基本求法3.4广义逆与线性方程组第4章矩阵分析4.1向量与矩阵的范数4.2特征值估计4.3矩阵级数4.4矩阵函数及其计算4.5矩阵函数的应用第5章矩阵的直积5.1直积的定义与性质5.2直积与特征值5.3矩阵的拉直5.4直积与矩阵方程第6章非负矩阵引见6.1非负矩阵的基本性质6.2正矩阵与Perron定理6.3不可约非负矩阵6.4素矩阵与M矩阵6.5随机矩阵6.6两个非负矩阵模型参考文献

《模式识别（第四版）》是2010年电子工业出版社出版的图书，作者是西奥多里蒂斯。
本书由模式识别领域的两位顶级专家合著，全面阐述了模式识别的基础理论、最新方法、以及各种应用。
作　者：(希)SergiosTheodoridis/(希)KonstantinosKoutroumbas，李晶皎等译第1章导论1.1模式识别的重要性1.2特征、特征向量和分类器1.3有监督、无监督和半监督学习1.4MATLAB程序1.5本书的内容安排第2章基于贝叶斯决策理论的分类器2.1引言2.2贝叶斯决策理论2.3判别函数和决策面2.4正态分布的贝叶斯分类2.5未知概率密度函数的估计2.6最近邻规则2.7贝叶斯网络习题MATLAB编程和练习参考文献第3章线性分类器3.1引言3.2线性判别函数和决策超平面3.3感知器算法3.4最小二乘法3.5均方估计的回顾3.6逻辑识别3.7支持向量机习题MATLAB编程和练习参考文献第4章非线性分类器4.1引言4.2异或问题4.3两层感知器4.4三层感知器4.5基于训练集准确分类的算法4.6反向传播算法4.7反向传播算法的改进4.8代价函数选择4.9神经网络大小的选择4.10仿真实例4.11具有权值共享的网络4.12线性分类器的推广4.13线性二分法中1维空间的容量4.14多项式分类器4.15径向基函数网络4.16通用逼近4.17概率神经元网络4.18支持向量机：非线性格况4.19超越SVM的范例4.20决策树4.21合并分类器4.22合并分类器的增强法4.23类的不平衡问题4.24讨论习题MATLAB编程和练习参考文献第5章特征选择5.1引言5.2预处理5.3峰值现象5.4基于统计假设检验的特征选择5.5接收机操作特性（ROC）曲线5.6类可分性测量5.7特征子集的选择5.8最优特征生成5.9神经网络和特征生成/选择5.10推广理论的提示5.11贝叶斯信息准则习题MATLAB编程和练习参考文献第6章特征生成I：线性变换6.1引言6.2基本向量和图像6.3Karhunen-Loève变换6.4奇异值分解6.5独立成分分析6.6非负矩阵因子分解6.7非线性维数降低6.8离散傅里叶变换（DFT）6.9离散正弦和余弦变换6.10Hadamard变换6.11Haar变换6.12回顾Haar展开式6.13离散时间小波变换（DTWT）6.14多分辨解释6.15小波包6.16二维推广简介6.17应用习题MATLAB编程和练习参考文献第7章特征生成II7.1引言7.2区域特征7.3字符形状和大小的特征7.4分形概述7.5语音和声音分类的典型特征习题MATLAB编程和练习参考文献第8章模板匹配8.1引言8.2基于最优路径搜索技术的测度8.3基于相关的测度8.4可变形的模板模型8.5基于内容的信息检索：相关反馈习题MATLAB编程和练习参考文献第9章上下文相关分类9.1引言9.2贝叶斯分类器9.3马尔可夫链模型9.4Viterbi算法9.5信道均衡9.6隐马尔可夫模型9.7状态驻留的HMM9.8用神经网络训练马尔可夫模型9.9马尔可夫随机场的讨论习题MATLAB编程和练习参考文献第10章监督学习：尾声10.1引言10.2误差计算方法10.3探讨有限数据集的大小10.4医学图像实例研究10.5半监督学习习题参考文献第11章聚类：基本概念11.1引言11.2近邻测度习题参考文献第12章聚类算法I：顺序算法12.1引言12.2聚类算法的种类12.3顺序聚类算法12.4BSAS的改进12.5两个阈值的顺序方法12.6改进阶段12.7神经网络的实现习题MATLAB编程和练习参考文献第13章聚类算法II：层次算法13.1引言13.2合并算法13.3cophenetic矩阵13.4分裂算法13.5用于大数据集的层次算法13.6最佳聚类数的选择习题MATLAB编程和练习参考文献第14章聚类算法III：基于函数最优方法14.1引言14.2混合分解方法14.3模糊聚类算法14.4可能性聚类14.5硬聚类算法14.6向量量化附录习题MATLAB编程和练习参考文献第15

《模式识别（第四版）》是2010年电子工业出版社出版的图书，作者是西奥多里蒂斯。
本书由模式识别领域的两位顶级专家合著，全面阐述了模式识别的基础理论、最新方法、以及各种应用。
作　者：(希)SergiosTheodoridis/(希)KonstantinosKoutroumbas，李晶皎等译第1章导论1.1模式识别的重要性1.2特征、特征向量和分类器1.3有监督、无监督和半监督学习1.4MATLAB程序1.5本书的内容安排第2章基于贝叶斯决策理论的分类器2.1引言2.2贝叶斯决策理论2.3判别函数和决策面2.4正态分布的贝叶斯分类2.5未知概率密度函数的估计2.6最近邻规则2.7贝叶斯网络习题MATLAB编程和练习参考文献第3章线性分类器3.1引言3.2线性判别函数和决策超平面3.3感知器算法3.4最小二乘法3.5均方估计的回顾3.6逻辑识别3.7支持向量机习题MATLAB编程和练习参考文献第4章非线性分类器4.1引言4.2异或问题4.3两层感知器4.4三层感知器4.5基于训练集准确分类的算法4.6反向传播算法4.7反向传播算法的改进4.8代价函数选择4.9神经网络大小的选择4.10仿真实例4.11具有权值共享的网络4.12线性分类器的推广4.13线性二分法中1维空间的容量4.14多项式分类器4.15径向基函数网络4.16通用逼近4.17概率神经元网络4.18支持向量机：非线性格况4.19超越SVM的范例4.20决策树4.21合并分类器4.22合并分类器的增强法4.23类的不平衡问题4.24讨论习题MATLAB编程和练习参考文献第5章特征选择5.1引言5.2预处理5.3峰值现象5.4基于统计假设检验的特征选择5.5接收机操作特性（ROC）曲线5.6类可分性测量5.7特征子集的选择5.8最优特征生成5.9神经网络和特征生成/选择5.10推广理论的提示5.11贝叶斯信息准则习题MATLAB编程和练习参考文献第6章特征生成I：线性变换6.1引言6.2基本向量和图像6.3Karhunen-Loève变换6.4奇异值分解6.5独立成分分析6.6非负矩阵因子分解6.7非线性维数降低6.8离散傅里叶变换（DFT）6.9离散正弦和余弦变换6.10Hadamard变换6.11Haar变换6.12回顾Haar展开式6.13离散时间小波变换（DTWT）6.14多分辨解释6.15小波包6.16二维推广简介6.17应用习题MATLAB编程和练习参考文献第7章特征生成II7.1引言7.2区域特征7.3字符形状和大小的特征7.4分形概述7.5语音和声音分类的典型特征习题MATLAB编程和练习参考文献第8章模板匹配8.1引言8.2基于最优路径搜索技术的测度8.3基于相关的测度8.4可变形的模板模型8.5基于内容的信息检索：相关反馈习题MATLAB编程和练习参考文献第9章上下文相关分类9.1引言9.2贝叶斯分类器9.3马尔可夫链模型9.4Viterbi算法9.5信道均衡9.6隐马尔可夫模型9.7状态驻留的HMM9.8用神经网络训练马尔可夫模型9.9马尔可夫随机场的讨论习题MATLAB编程和练习参考文献第10章监督学习：尾声10.1引言10.2误差计算方法10.3探讨有限数据集的大小10.4医学图像实例研究10.5半监督学习习题参考文献第11章聚类：基本概念11.1引言11.2近邻测度习题参考文献第12章聚类算法I：顺序算法12.1引言12.2聚类算法的种类12.3顺序聚类算法12.4BSAS的改进12.5两个阈值的顺序方法12.6改进阶段12.7神经网络的实现习题MATLAB编程和练习参考文献第13章聚类算法II：层次算法13.1引言13.2合并算法13.3cophenetic矩阵13.4分裂算法13.5用于大数据集的层次算法13.6最佳聚类数的选择习题MATLAB编程和练习参考文献第14章聚类算法III：基于函数最优方法14.1引言14.2混合分解方法14.3模糊聚类算法14.4可能性聚类14.5硬聚类算法14.6向量量化附录习题MATLAB编程和练习参考文献第15

VisualBasic.NET2008控件使用范例详解pdf，电子书和源码，范盛荣著，清华出版社。
可以学习下。
电子书是影印版，不太清楚，但是可以看。
第1章可调理类控件1.1Datetimepicker控件1.2MonthCalendar控件1.3NumericUpDown控件第2章选择类控件2.1RadioButton控件2.2CheckBox控件2.3CheckedListBox控件第3章显示类控件3.1TextBox控件3.2RichTextBox控件3.3LinkLabel控件3.4MaskedTextBox控件3.5NotifyIcon控件3.6PictureBox控件3.7ProgressBar控件3.8ToolTip控件3.9WebBrowser控件第4章组剣类控件4.1ListBox控件4.2ComboBox控件4.3ListView控件4.4TreeView控件第5章容器类控件5.1FlowLayoutPanel控件5.2GroupBox控件5.3Panel控件5.4SpliterContxiner控件5.5TabControl控件5.6StatusBar控件第6章菜单和工具栏类控件6.1ContextMenuStrip控件6.2MenuStrip控件6.3ToolStrip控件6.4ToolStripDropDown控件6.5ToolStrip类控件应用举例6.6ToolStripContainer控件第7章数据控件第8章NET环境下组合类控件第9章打印类控件第10章对话框类控件第11章水晶报表控件第12章多媒体播放控件第13章自定义控件

Gradle是一个基于ApacheAnt和ApacheMaven概念的项目自动化构建开源工具。
它使用一种基于Groovy的特定领域语言(DSL)来声明项目设置，目前也添加了基于Kotlin语言的kotlin-basedDSL，抛弃了基于XML的各种繁琐配置。
面向Java应用为主。
当前其支持的语言限于Java、Groovy、Kotlin和Scala，计划未来将支持更多的语言。

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。