第1章概述 11.1项目背景介绍 11.2.1微信小程序发展状况 1第2章相关技术概述 32.1.云开发工具 32.1.1.云函数 32.1.2数据库 32.2微信小程序开发者工具 3第3章需求分析 43.1获取需求 43.2分析需求 43.2.1功能性需求 43.2.2非功能性需求 63.2.3设计约束 6第4章系统设计 74.1架构设计 74.2总体设计 74.3功能模块设计 84.3.1小程序自动登陆 84.3.2编辑收货地址 94.3.3商品展示 104.3.4购买商品 104.3.5查询商品 114.3.6添加购物车 124.3.7订单查看 144.3.8后台系统登陆 144.3.9管理商品 154.3.10管理订单 164.3.11客服查询 174.3.12轮播图管理 184.4数据库设计 194.4.1对象与对象关系设计 194.4.2数据库表设计 214.4.3数据库链接设计 25第5章系统实现 265.1小程序前端页面的实现 265.1.1微信小程序端界面 265.1.2.NETCore后端界面 285.2功能模块实现 295.2.1微信小程序自动登陆 295.2.2轮播图 305.2.3商品 325.2.4商品购买 345.2.5加入购物车与商品收藏 375.2.6收货地址 385.2.7后台登陆与权限 415.2.8后台功能 44第6章系统测试 466.1测试环境 466.2小程序界面测试 466.3功能测试用例 466.3.1收货地址操作 466.3.2购买商品 476.3.3微信小程序登陆 486.3.4管理员登陆 48第7章结　论 50参考文献 1致谢 2

这是一本全面介绍移动无线通信基础知识以及最新技术发展状况的教材。
.　　第1章为介绍性内容，讲述移动通信的历史以及后续各章的描述。
其后的内容可分为两大部分，第1部分包括第2章到第8章。
第2章讲述在无线介质中遇到的传播现象；
第3章介绍蜂窝的概念；
第4章到第7章讨论功率控制、调制、编码以及接人技术；
第8章对第二代系统——GSM，IS-95，IS-136以及D-AMPS进行了详细的讨论。
第2部分包括第9章到第12章。
第9章探讨了无线系统的性能分析；
第10章对第三代系统——W-CDMA，CDMA2000以及GPRS进行了深入的描述；
第11章讨论了在蜂窝系统中提出和使用的接入和调度技术。
最后全书以对无线局域网(WLAN)和个人区域网(PAN)的讨论作为结束。
..　　本书适合作为大学本科高年级或研究生一年级无线通信的入门课程，也可作为工程师、计算机专家以及其他技术人员的参考材料。

《通信网性能分析基础》是2006年北京邮电大学出版社出版的图书，作者是苏驷希。
本书讲述了电信网络概述、模拟电话网及综合数字网等知识。
本书介绍了通信网性能分析的基础知识，主要讨论电路交换网络和面向连接数据网络的性能分析，其中第1章为通信网概述；
第2章讨论泊松过程、生灭过程和排队系统等；
第3章讨论通信网的局部性能分析；
第4章讨论通信网的全局性能分析；
第5章讨论通信网的拓扑结构分析；
第6章讨论通信网的随机模拟；
第7章讨论通信网的可靠度分析。
各章附有一些习题并且部分习题有简单的答案。
本书可作为“通信网理论基础”或“通信网性能分析”课程的教材，也可作为希望得到通信网性能分析知识的理、工科师生和工程技术人员的参考书。

(数字信号处理第7章课后答案(高西全丁美玉第三版)

华清远见编著的《FPGA应用开发入门与典型实例》，文字版，非扫描版，超清晰pdf，和市面上的书籍内容一样，是修订版，你值得拥有第1章FPGA系统设计基础第2章从零开始设计FPGA最小系统第3章硬件描述语言VerilogHDL基础第4章硬件描述语言VerilogHDL设计进阶第5章FPGA设计开发软件QuartusII的使用技巧第6章FPGA设计开发软件ISE使用技巧第7章FPGA系统设计的仿真验证第8章基于FPGA的片上可编程系统(SOPC)设计第9章FPGA系统设计原则和技巧第10章利用FPGA实现外设通信接口第11章F

MATLAB神经网络43个案例分析源代码&数据《MATLAB神经网络43个案例分析》目录第1章BP神经网络的数据分类——语音特征信号分类第2章BP神经网络的非线性系统建模——非线性函数拟合第3章遗传算法优化BP神经网络——非线性函数拟合第4章神经网络遗传算法函数极值寻优——非线性函数极值寻优第5章基于BP_Adaboost的强分类器设计——公司财务预警建模第6章PID神经元网络解耦控制算法——多变量系统控制第7章RBF网络的回归--非线性函数回归的实现第8章GRNN网络的预测----基于广义回归神经网络的货运量预测第9章离散Hopfield神经网络的联想记忆——数字识别第10章离散Hopfield神经网络的分类——高校科研能力评价第11章连续Hopfield神经网络的优化——旅行商问题优化计算第12章初始SVM分类与回归第13章LIBSVM参数实例详解第14章基于SVM的数据分类预测——意大利葡萄酒种类识别第15章SVM的参数优化——如何更好的提升分类器的性能第16章基于SVM的回归预测分析——上证指数开盘指数预测.第17章基于SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测第18章基于SVM的图像分割-真彩色图像分割第19章基于SVM的手写字体识别第20章LIBSVM-FarutoUltimate工具箱及GUI版本介绍与使用第21章自组织竞争网络在模式分类中的应用—患者癌症发病预测第22章SOM神经网络的数据分类--柴油机故障诊断第23章Elman神经网络的数据预测----电力负荷预测模型研究第24章概率神经网络的分类预测--基于PNN的变压器故障诊断第25章基于MIV的神经网络变量筛选----基于BP神经网络的变量筛选第26章LVQ神经网络的分类——乳腺肿瘤诊断第27章LVQ神经网络的预测——人脸朝向识别第28章决策树分类器的应用研究——乳腺癌诊断第29章极限学习机在回归拟合及分类问题中的应用研究——对比实验第30章基于随机森林思想的组合分类器设计——乳腺癌诊断第31章思维进化算法优化BP神经网络——非线性函数拟合第32章小波神经网络的时间序列预测——短时交通流量预测第33章模糊神经网络的预测算法——嘉陵江水质评价第34章广义神经网络的聚类算法——网络入侵聚类第35章粒子群优化算法的寻优算法——非线性函数极值寻优第36章遗传算法优化计算——建模自变量降维第37章基于灰色神经网络的预测算法研究——订单需求预测第38章基于Kohonen网络的聚类算法——网络入侵聚类第39章神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类第40章动态神经网络时间序列预测研究——基于MATLAB的NARX实现第41章定制神经网络的实现——神经网络的个性化建模与仿真第42章并行运算与神经网络——基于CPU/GPU的并行神经网络运算第43章神经网络高效编程技巧——基于MATLABR2012b新版本特性的探讨

徐士良C常用算法程序集第三版高清电子书+源代码，经典之作，算法必备参考资料第1章多项式的计算1.1一维多项式求值1.2一维多项式多组求值1.3二维多项式求值1.4复系数多项式求值1.5多项式相乘1.6复系数多项式相乘1.7多项式相除1.8复系数多项式相除第2章复数运算2.1复数乘法2.2负数除法2.3复数乘幂2.4复数的n次方根2.5复数指数2.6复数对数2.7复数正弦2.8复数余弦第3章随机数的产生3.1产生0到1之间均匀分布的一个随机数3.2产生0到1之间均匀分布的随机数序列3.3产生任意区间内均匀分布的一个随机整数3.4产生任意区间内均匀分布的随机整数序列3.5产生任意均值与方差的正态分布的一个随机数3.6产生任意均值与方差的正态分布的随机数序列第4章矩阵运算4.1实矩阵相乘4.2复矩阵相乘4.3一般实矩阵求逆4.4一般复矩阵求逆4.5对称正定矩阵的求逆4.6托伯利兹矩阵求逆的特兰持方法4.7求一般行列式的值4.8求矩阵的值4.9对称正定矩阵的乔里斯基分解与列式求值4.10矩阵的三角分解4.11一般实矩阵的QR分解4.12一般实矩阵的奇异值分解4.13求广义逆的奇异值分解法第5章矩阵特征值与特征向量的计算5.1约化对称矩阵为对称三对角阵的豪斯荷尔德变换法5.2求对称三对角阵的全部特征值与特征向量5.3约化一般实矩阵为赫申伯格矩阵的初等相似变换法5.4求赫身伯格矩阵全部特征的QR方法5.5求实对称矩阵特征值与特征向量的雅可比法5.6求实对称矩阵特征值与特征向量的雅可比过关法第6章线性代数方程组的求解6.1求解实系数方程组的全选主元高斯消去法6.2求解实系数方程组的全选主元高斯-约当消去法6.3求解复系数方程组的全选主元高斯消去法6.4求解复系数方程组的全选主元高斯-约当消去法6.5求解三对角线方程组的追赶法6.6求解一般带型方程组6.7求解对称方程组的分解法6.8求解对称正定方程组的平方根法6.9求解大型系数方程组6.10求解托伯利兹方程组的列文逊方法6.11高斯-塞德尔失代法6.12求解对称正定方程组的共岿梯度法6.13求解线性最小二乘文体的豪斯伯尔德变换法6.14求解线性最小二乘问题的广义逆法6.15求解病态方程组第7章非线性方程与方程组的求解7.1求非线性方程一个实根的对分法7.2求非线性方程一个实根的牛顿法7.3求非线性方程一个实根的埃特金矢代法7.4求非线性方程一个实根的连分法7.5求实系数代数方程全部的QR方法7.6求实系数方程全部的牛顿下山法7.7求复系数方程的全部根牛顿下山法7.8求非线性方程组一组实根的梯度法7.9求非线性方程组一组实根的拟牛顿法7.10求非线性方程组最小二乘解的广义逆法7.11求非线性方程一个实根的蒙特卡洛法7.12求实函数或复函数方程一个复根的蒙特卡洛法7.13求非线性方程组一组实根的蒙特卡洛法第8章插值与逼近8.1一元全区间插值8.2一元三点插值8.3连分式插值8.4埃尔米特插值8.5特金逐步插值8.6光滑插值8.7第一种边界条件的三次样条函数插值8.8第二种边界条件的三次样条函数插值8.9第三种边界条件的三次样条函数插值8.10二元三点插值8.11二元全区间插值8.12最小二乘曲线拟合8.13切比雪夫曲线拟合8.14最佳一致逼近的里米兹方法8.15矩形域的最小二乘曲线拟合第9章数值积分9.1变补长梯形求积法9.2变步长辛卜生求积法9.3自适应梯形求积法9.4龙贝格求积法9.5计算一维积分的连分式法9.6高振荡函数求积法9.7勒让德-高斯求积法9.8拉盖尔-高斯求积法9.9埃尔米特-高斯求积法9.10切比雪夫求积法9.11计算一维积分的蒙特卡洛法9.12变步长辛卜生二重积分方法9.13计算多重积分的高斯方法9.14计算二重积分的连分方式9.15计算多重积分的蒙特卡洛法第10章常微分方程组的求解10.1全区间积分的定步长欧拉方法10.2积分一步的变步长欧拉方法10.3全区间积分维梯方法10.4全区间积分的定步长龙格-库塔方法10.5积分一步的变步长龙格-库塔方法10.6积分一步的变步长基尔方法10.7全区间积分的变步长默森方法10.8积分一步的连分方式10.9全区间积分的双边法10.10全区间积分的阿当姆斯预

《独立成分分析》分为四个部分，共24章。
第一部分（第2章至第6章）介绍了《独立成分分析》所用到的主要数学知识，第二部分（第7章至第14章）是《独立成分分析》的重点，详细讲述了基本ICA模型及其求解过程，第三部分（第15章至第20章）讨论了基本ICA模型的多种扩展形式，第四部分（第21章至第24章）对ICA方法在不同领域的应用做了生动的阐述。
独立成分分析(ICA)已经成为近年来神经网络、高级统计学和信号处理等研究领域中最令人振奋的主题之一。
ICA源自对客观物理世界的抽象，它能够有效地解决许多实际问题，具有强大的生命力和广阔的工程应用前景。
《独立成分分析》(英文原版)是国际上第一本对ICA这门新技术进行全面介绍的综合性专著，其中还包括了为理解和使用该技术的相应数学基础背景材料。
《独立成分分析》不仅介绍了ICA的基本知识与总体概况、给出了重要的求解过程及算法，而且还涵盖了图像处理、无线通信、音频信号处理以及更多其他应用。

前言第1章概述1.1宽带无线移动通信系统的发展1.2功率放大器线性化技术简介1.2.1国内外研究现状1.2.2本书的创新性工作1.3本书结构安排第2章功率放大器数学模型2.1功率放大器非线性效应分析2.2非线性效应基带等效分析2.3无记忆功率放大器典型模型2.3.1Saleh模型2.3.2Rapp模型2.3.3多项式模型2.4宽带功率放大器记忆效应分析2.5有记忆功率放大器模型2.5.1Volterra模型2.5.2多项式模型2.5.3Wiener模型2.5.4Hammerstein模型2.5.5并行Hammerstein模型2.5.6神经网络模型2.6本章小结第3章功率放大器非线性对传输信号的影响3.1非线性的时域及频域分析3.1.1谐波失真3.1.2互调失真3.1.3交调失真3.1.4AM/AM和AM/PM畸变3.2功率放大器非线性对多载波信号功率谱的影响3.2.1无记忆模型功率谱的解析表达3.2.2有记忆模型功率谱的解析表达3.2.3仿真及分析3.3功率放大器非线性对多载波信号符号率的影响3.3.1误符号率的解析表达3.3.2仿真及分析3.4功率放大器非线性评价指标3.4.1分贝压缩点功率3.4.2三阶互调系数3.4.3三阶截断点3.4.4交调系数3.4.5输入及输出回退3.4.6系统性能总损耗3.5本章小结第4章宽带功率放大器预失真技术简介4.1数字预失真技术综述4.2预失真技术基本原理4.3非自适应性预失真技术4.3.1方案概述4.3.2特性曲线的测量4.4射频自适应预失真技术4.5中频自适应预失真技术4.6基带自适应数字预失真技术4.7本章小结第5章宽带功率放大器预失真估计结构5.1直接学习结构5.2间接学习结构5.2.1基于IDLA的新算法5.2.2仿真及分析5.3本章小结第6章基于查询表的数字预失真6.1查询表预失真方法综述6.1.1查询表形式6.1.2查询表的指针方式6.1.3查询表地址索引方式6.1.4查询表自适应算法6.1.5查询表预失真方法的不足6.2无记忆查询表预失真方法6.2.1常规查询表预失真算法6.2.2改进的查询表预失真方法6.3有记忆查询表预失真方法6.3.1一维查询表预失真方法6.3.2二维查询表预失真方法6.4本章小结第7章基于多项式的数字预失真7.1多项式预失真方法综述7.1.1多项式模型7.1.2多项式自适应算法7.1.3多项式预失真方法的不足7.2多项式形式的选择7.2.1预失真多项式形式7.2.2正交多项式模型7.3无记忆多项式预失真方法7.3.1分段无记忆多项式预失真方法7.3.2直接学习结构递推系数估计方法7.3.3间接学习结构系数估计方法7.3.4正交多项式预失真方法7.3.5动态系数多项式预失真方法7.4有记忆多项式预失真方法7.4.1分段有记忆多项式预失真方法7.4.2归一化最小均方系数估计方法7.4.3广义归一化梯度下降系数估计方法7.4.4广义记忆多项式预失真方法7.4.5分数阶记忆多项式预失真方法7.4.6Hammerstein预失真方法7.5本章小结第8章宽带功率放大器预失真方案设计8.1数字预失真系统设计8.2反馈环路延迟估计8.2.1常规环路延迟估计方法8.2.2提出的环路延迟估计方法8.2.3仿真分析8.3PAPR降低技术与预失真8.3.1问题引出8.3.2PAPR降低技术8.3.3限幅对OFDM信号预失真性能的影响8.3.4PAPR降低技术与PA线性化的内在联系8.4宽带功率放大器的有效阶估计8.5关于硬件实现8.5.1非自适应预失真硬件实现8.5.2自适应数字预失真硬件实现8.6宽带功率放大器预失真新理论与技术8.6.1功率放大器预失真新理论8.6.2功率放大器预失真新技术8.7本章小结参考文献附录A符号表附录B缩略语

c#图形书中最经典的一本书当中包括饼图，条形图，绘图板制作等第1章GDI+——下一代图形接口1.1理解GDI+1.2探索GDI+的功能1.3从GDI的角度学习GDI+1.4.NET中的GDI+名称空间和类总结第2章第一个GDI+应用程序2.1绘制表面2.2坐标系统2.3指南——第一个GDI+应用程序2.4一些基本的GDI+对象总结第3章Graphics类3.1Graphics类的属性3.2Graphics类的方法3.3GDI+Painter应用程序3.4绘制饼图总结第4章使用画笔和钢笔4.1理解和使用画笔4.2在GDI+中使用钢笔4.3使用钢笔进行变形4.4使用画笔进行变形4.5系统钢笔和系统画笔4.6一个真实世界的例子——在GDI+Painter应用程序中添加颜色、钢笔和画笔总结第5章颜色、字体和文本5.1访问Graphics对象5.2使用颜色5.3使用字体5.4使用文本和字符串5.5渲染文本的质量和性能5.6高级版式5.7一个简单的文本编辑器5.8文本变形总结第6章矩形和区域6.1Rectangle结构体6.2Region类6.3区域和剪辑6.4剪辑区域示例6.5区域、非矩形窗体和控件总结第7章图像处理7.1光栅图像和矢量图像7.2使用图像7.3操作图像7.4在GDI+中播放动画7.5使用位图7.6使用图标7.7扭曲图像7.8绘制透明的图形对象7.9查看多个图像7.10使用图片框查看图像7.11使用不同的大小保存图像总结第8章高级图像处理8.1渲染位图的一部分8.2使用图元文件8.3使用颜色对象应用颜色映射8.4图像属性和ImageAttributes类8.5编码器参数与图像格式总结第9章高级二维图形9.1线帽和线条样式9.2理解并使用图形路径9.3图形容器9.4读取图像的元数据9.5混合9.6Alpha混合9.7其他高级二维主题总结第10章变形10.1坐标系统10.2变形的类型10.3Matrix类与变形10.4Graphics类与变形10.5全局变形、局部变形和复合变形10.6图像变形10.7颜色变形和颜色矩阵10.8图像处理中的矩阵操作10.9文本变形10.10变形顺序的重要性总结第11章打印11.1简要地回顾使用MicrosoftWindows进行打印的历史11.2打印过程概述11.3第一个打印应用程序11.4打印机的设置11.5PrintDocument和Print事件11.6打印文本11.7打印图形11.8打印对话框11.9自定义页面设置11.10打印多个页面11.11页边打印——注意事项11.12进入细节——自定义控制和打印控制器总结第12章开发GDI+Web应用程序12.1创建第一个ASP.NETWeb应用程序12.2第一个图形Web应用程序12.3绘制简单的图形12.4在Web上绘制图像12.5绘制曲线图12.6绘制饼图总结第13章GDI+的最佳实践及性能技术13.1理解渲染过程13.2双缓存和无抖动绘图13.3理解SetStyle方法13.4绘图过程的质量与性能总结第14章GDI互操作性14.1在受控环境中使用GDI14.2在受控代码中使用GDI的注意事项总结第15章其他GDI+示例15.1设计交互式GUI应用程序15.2绘制具有形状的窗体和Windows控件15.3为绘制的图像添加版权信息15.4从流或数据库读取及写入图像15.5创建自绘制的列表控件总结附录A.NET中的异常处理

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。