android端，基于openCV与深度学习，实现快速准确的车牌识别。
平均识别耗时350ms左右，采集100样本识别准确率达到95%。
识别过程：1、使用openCV确定车牌左右、上下区域；
2、车牌倾斜判断与校正；
3、滑动切割字符；
4、深度学习对每个字符进行识别
平均识别耗时350ms左右，采集100样本识别准确率达到95%。
识别过程：1、使用openCV确定车牌左右、上下区域；
2、车牌倾斜判断与校正；
3、滑动切割字符；
4、深度学习对每个字符进行识别
2024/7/21 21:39:02
24.82MB
1
德语句子的自动复杂度评估团队成员里奥·阮·拉乌尔·贝格·康拉德·斯特劳布·蒂尔·诺彻邮件地址现有代码片段利用的图书馆运行代码（稍后将设置主入口点）下载数据集：pythondownload_data.py项目状态数据分析我们的主要数据源是TextComplexityDE19数据集（），其中包含1000个德语句子，由外语学习者在7点Likert量表上标记为A级和B级，其中1表示低复杂度，高可读性句子，而7则相反。
其中900个句子来自23篇德国Wikipedia文章，其余100则来自LeichteSprache。
数据集中的每个句子至少由5个人标记，数据集中提供了它们的平均评分。
除了复杂性/可读性之外，还收集了句子的可理解性和词汇难度得分。
图：饼图显示（四舍五入的）评级分布。
评级不是平均分配的，因为平均没有句子收到7，而很少有人得到6。
在句子的
其中900个句子来自23篇德国Wikipedia文章，其余100则来自LeichteSprache。
数据集中的每个句子至少由5个人标记，数据集中提供了它们的平均评分。
除了复杂性/可读性之外，还收集了句子的可理解性和词汇难度得分。
图：饼图显示（四舍五入的）评级分布。
评级不是平均分配的，因为平均没有句子收到7，而很少有人得到6。
在句子的
2024/7/20 18:14:15
148KB
1
我们用了两种算法对PJM某区电力负荷进行超短期预测。
ARIMA算法预测速度较快，平均误差在3%以内，特别适合这种超短期负荷预测，而小波分析+BP神经网络算法是一种适应性比较广的算法，在此次超短期负荷预测中它的平均误差在7%以内，预测时间相对更长。
此程序由华北电力大学电力专业学生编写，采用了VB、MATLAB混合编程（VB的界面，MATLAB的内核），利用了2种算法实现电力负荷超短期预测，这2种方法都是当前较先进实用的算法，十分有启发性。
ARIMA算法预测速度较快，平均误差在3%以内，特别适合这种超短期负荷预测，而小波分析+BP神经网络算法是一种适应性比较广的算法，在此次超短期负荷预测中它的平均误差在7%以内，预测时间相对更长。
此程序由华北电力大学电力专业学生编写，采用了VB、MATLAB混合编程（VB的界面，MATLAB的内核），利用了2种算法实现电力负荷超短期预测，这2种方法都是当前较先进实用的算法，十分有启发性。
2024/7/16 11:31:37
8.95MB
1
本书介绍正交频分复用（OFDM）技术的原理及其在无线通信领域内的应用。
全书共分10章。
第1章简要介绍无线通信系统的发展历程以及无线衰落信道的基本特性；
第2章介绍OFDM技术的基本原理与特性；
第3章叙述了OFDM技术内峰值平均功率比的问题，并且讨论若干抑制过高峰均比的方法；
第4章详细介绍OFDM技术内非常关键的同步问题；
第5章介绍OFDM技术内的信道估计；
第6章针对动态功率、比特分配在OFDM系统内的灵活应用进行讨论；
第7章介绍各种编码在OFDM技术内的应用，并且讨论最新的编码方法；
第8章分析多种不同的多址方案与OFDM技术的结合；
第9章详细介绍OFDM在多个领域内的应用，其中包括DAB、DVB、WLAN和ADSL等；
最后第10章简单介绍未来移动通信系统（NextG）的关键概念，以及适于传输高速数据流的MIMOOFDM系统。
本书可作为通信工程技术人员和通信专业的本科生、研究生的参考书。
全书共分10章。
第1章简要介绍无线通信系统的发展历程以及无线衰落信道的基本特性；
第2章介绍OFDM技术的基本原理与特性；
第3章叙述了OFDM技术内峰值平均功率比的问题，并且讨论若干抑制过高峰均比的方法；
第4章详细介绍OFDM技术内非常关键的同步问题；
第5章介绍OFDM技术内的信道估计；
第6章针对动态功率、比特分配在OFDM系统内的灵活应用进行讨论；
第7章介绍各种编码在OFDM技术内的应用，并且讨论最新的编码方法；
第8章分析多种不同的多址方案与OFDM技术的结合；
第9章详细介绍OFDM在多个领域内的应用，其中包括DAB、DVB、WLAN和ADSL等；
最后第10章简单介绍未来移动通信系统（NextG）的关键概念，以及适于传输高速数据流的MIMOOFDM系统。
本书可作为通信工程技术人员和通信专业的本科生、研究生的参考书。
2024/7/15 20:10:04
14.49MB
1
利用典型的加权平均融合算法进行灰度或彩色多模态医学图像融合，程序具体很好的通用性，并且提供几种图像融合客观评价指标，还给出3组宝贵的已配准的待融合图像。
138KB
1
霍夫曼编码及香农编码：信源编码主要可分为无失真信源编码和限失真信源编码。
无失真信源编码主要适用于离散信源或数字信号，如文本、表格及工程图纸等信源，它们要求进行无失真地数据压缩，要求完全能够无失真地可逆恢复。
凡是能载荷一定的信息量，且码字的平均长度最短，可分离的变长码的码字集合称为最佳变长码，为此必须将概率大的信息符号编以短的码字，概率小的符号编以长的码字，是的平均码字长度最短，能得到最佳的编码方法主要有：香农，费诺，霍夫曼编码等，实现至少两种无失真信源编码（香农码，哈夫曼码、费诺码）及其编码效率。
无失真信源编码主要适用于离散信源或数字信号，如文本、表格及工程图纸等信源，它们要求进行无失真地数据压缩，要求完全能够无失真地可逆恢复。
凡是能载荷一定的信息量，且码字的平均长度最短，可分离的变长码的码字集合称为最佳变长码，为此必须将概率大的信息符号编以短的码字，概率小的符号编以长的码字，是的平均码字长度最短，能得到最佳的编码方法主要有：香农，费诺，霍夫曼编码等，实现至少两种无失真信源编码（香农码，哈夫曼码、费诺码）及其编码效率。
2024/7/5 1:23:17
90KB
1
模拟实现磁盘调度算法：最短寻道时间优先（SSTF）和扫描（SCAN）算法。
对给出的任意的磁盘请求序列、计算平均寻道长度；
要求可定制磁盘请求序列长度、磁头起始位置、磁头移动方向。
测试：假设磁盘访问序列：98，183，37，122，14，124，65，67；
读写头起始位置：53，方向：磁道增加的方向。
输入此类数据后，程序按照选定的算法，自动给出访问序列，并且算出经过的磁道总数。
对给出的任意的磁盘请求序列、计算平均寻道长度；
要求可定制磁盘请求序列长度、磁头起始位置、磁头移动方向。
测试：假设磁盘访问序列：98，183，37，122，14，124，65，67；
读写头起始位置：53，方向：磁道增加的方向。
输入此类数据后，程序按照选定的算法，自动给出访问序列，并且算出经过的磁道总数。
2024/7/4 17:41:44
5KB
1
氙灯抽运将导致钕玻璃内产生不均匀温升，这是产生应力退偏的根本原因。
热致应力退偏效应将直接降低系统效率、影响光束质量，因此确定片内的温度分布以及应力分布，准确预测由此带来的光束退偏特性并合理设计光束填充因子是十分重要的。
介绍了我国第一台单束输出能力超过万焦耳的惯性约束聚变激光驱动器中大口径高通量验证实验平台片状放大器的热致退偏效应，通过理论模拟计算获得了钕玻璃片内三维温升分布、应力分布与由此导致的退偏分布特性，结果表明，片状放大器在5.28%/cm平均小信号增益系数输出的情况下整个光束口径内的应力双折射是很小的，但方光束的四个角部处的应力双折射较严重，最大的退偏量约为0.13％，该结果与劳伦斯·利弗莫尔实验室实验测得的结果基本一致。
输出的激光近场结果表明，片状放大器热致退偏效应可满足大能量装置输出设计要求。
热致应力退偏效应将直接降低系统效率、影响光束质量，因此确定片内的温度分布以及应力分布，准确预测由此带来的光束退偏特性并合理设计光束填充因子是十分重要的。
介绍了我国第一台单束输出能力超过万焦耳的惯性约束聚变激光驱动器中大口径高通量验证实验平台片状放大器的热致退偏效应，通过理论模拟计算获得了钕玻璃片内三维温升分布、应力分布与由此导致的退偏分布特性，结果表明，片状放大器在5.28%/cm平均小信号增益系数输出的情况下整个光束口径内的应力双折射是很小的，但方光束的四个角部处的应力双折射较严重，最大的退偏量约为0.13％，该结果与劳伦斯·利弗莫尔实验室实验测得的结果基本一致。
输出的激光近场结果表明，片状放大器热致退偏效应可满足大能量装置输出设计要求。
2024/7/3 11:55:54
3.35MB
1
查找（Searching）就是根据给定的某个值，在查找表中确定一个其关键字等于给定值的数据元素（或记录）。
查找表（SearchTable）：由同一类型的数据元素（或记录）构成的集合关键字（Key）：数据元素中某个数据项的值，又称为键值。
主键（PrimaryKey）：可唯一地标识某个数据元素或记录的关键字。
查找表按照操作方式可分为：也就是数据不排序的线性查找，遍历数据元素。
算法分析：最好情况是在第一个位置就找到了，此为O(1)；
最坏情况在最后一个位置才找到，此为O(n)；
所以平均查找次数为(n+1)/2。
算法核心：在查找表中不断取中间元素与查找值进行比较，以二分之一的倍率进行表范围的缩小。
二分查
查找表（SearchTable）：由同一类型的数据元素（或记录）构成的集合关键字（Key）：数据元素中某个数据项的值，又称为键值。
主键（PrimaryKey）：可唯一地标识某个数据元素或记录的关键字。
查找表按照操作方式可分为：也就是数据不排序的线性查找，遍历数据元素。
算法分析：最好情况是在第一个位置就找到了，此为O(1)；
最坏情况在最后一个位置才找到，此为O(n)；
所以平均查找次数为(n+1)/2。
算法核心：在查找表中不断取中间元素与查找值进行比较，以二分之一的倍率进行表范围的缩小。
二分查
2024/7/3 10:47:51
1.71MB
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