小波变换的图像处理%MATLAB2维小波变换经典程序%FWT_DB.M;%此示意程序用DWT实现二维小波变换%编程时间2004-4-10，编程人沙威%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%clear;clc;T=256;%图像维数SUB_T=T/2;%子图维数%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%1.调原始图像矩阵loadwbarb;%下载图像f=X;%原始图像%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%2.进行二维小波分解l=wfilters('db10','l');%db10（消失矩为10)低通分解滤波器冲击响应（长度为20）L=T-length(l);l_zeros=[l,zeros(1,L)];%矩阵行数与输入图像一致，为2的整数幂h=wfilters('db10','h');%db10（消失矩为10)高通分解滤波器冲击响应（长度为20）h_zeros=[h,zeros(1,L)];%矩阵行数与输入图像一致，为2的整数幂fori=1:T;%列变换row(1:SUB_T,i)=dyaddown(ifft(fft(l_zeros).*fft(f(:,i)'))).';%圆周卷积FFTrow(SUB_T+1:T,i)=dyaddown(ifft(fft(h_zeros).*fft(f(:,i)'))).';%圆周卷积FFTend;forj=1:T;%行变换line(j,1:SUB_T)=dyaddown(ifft(fft(l_zeros).*fft(row(j,:))));%圆周卷积FFTline(j,SUB_T+1:T)=dyaddown(ifft(fft(h_zeros).*fft(row(j,:))));%圆周卷积FFTend;decompose_pic=line;%分解矩阵%图像分为四块lt_pic=decompose_pic(1:SUB_T,1:SUB_T);%在矩阵左上方为低频分量--fi(x)*fi(y)rt_pic=decompose_pic(1:SUB_T,SUB_T+1:T);%矩阵右上为--fi(x)*psi(y)lb_pic=decompose_pic(SUB_T+1:T,1:SUB_T);%矩阵左下为--psi(x)*fi(y)rb_pic=decompose_pic(SUB_T+1:T,SUB_T+1:T);%右下方为高频分量--psi(x)*psi(y)%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%3.分解结果显示figure(1);colormap(map);subplot(2,1,1);image(f);%原始图像title('originalpic');subplot(2,1,2);image(abs(decompose_pic));%分解后图像title('decomposedpic');figure(2);colormap(map);subplot(2,2,1);image(abs(lt_pic));%左上方为低频分量--fi(x)*fi(y)title('\Phi(x)*\Phi(y)');subplot(2,2,2);image(abs(rt_pic));%矩阵右上为--fi(x)*psi(y)title('\Phi(x)*\Psi(y)');subplot(2,2,3);image(abs(lb_pic));%矩阵左下为--psi(x)*fi(y)title('\Psi(x)*\Phi(y)');subplot(2,2,4);image(abs(rb_pic));%右下方为高频分量--psi(x)*psi(y)title('\Psi(x)*\Psi(y)');%%%%%%%

目　　录1引言 11.1课程设计选题 11.2课程设计的目的 11.3本选题的设计背景 12系统分析与设计 22.1功能及性能分析 22.1.1功能需求 22.1.2性能需求 22.2系统的开发运行环境 32.3系统总体设计 33数据库设计 43.1数据库概念结构 43.2数据库逻辑结构 63.2.1关系模型 63.2..2视图的设计 83.3数据库的实现 83.3.1表 84详细设计与实现 114.1登录模块 114.2入库模块 114.3员工管理模块 124.4财务管理模块 134.5销售管理模块 14结　　论 14参考文献 15附录 151引言1.1课程设计选题《超市管理系统》1.2课程设计的目的通过数据库系统课程设计，熟悉了SQLSERVER数据库管理系统的结构与组成；
掌握了SQLSERVER数据库管理系统的应用技术和的使用；
应用JSP开发工具实践了《学生选课管理系统》的数据库应用系统的设计方法、开发过程和SQLSERVER数据库的管理与维护。
最终达到掌握数据库管理系统的使用和开发，提高分析问题、解决问题和实践应用能力。
1.3本选题的设计背景超市需要处理大量的库存信息，还要时刻更新产品的销售信息，不断添加商品信息。
面对不同种类的信息，需要合理的数据库结构来保存数据信息，需要有效的程序结构支持各种数据操作的执行。
商店自动化的产品管理在欧美等国家早已经实现，也是零售业管理的基础。
它最主要的特点是能够实时的和准确的控制店内的销售情况。
如果可以能够实时掌握销售流程及销售情况，则可以有效地加速商品的周转率并提高服务质量，而且可以减少产品售价不符等所产生的问题。
顾客的消费要求的是希望在超市购物中能基本上都能购得所需的商品，并且还要既保证商品质量还要享受优质，方便的服务随着小超市规模的发展不断扩大，商品数量急剧增加，有关商品的各种信息量也成倍增长。
超市时时刻刻都需要对商品各种信息进行统计分析。
而大型的超市管理系统功能过于强大而造成操作繁琐降低了小超市的工作效率。
超市管理系统是市场上最流行的超市上常用的系统之一，它主要包含以下几个模块：系统权限的设定、原始数据录入、数据的汇总及查询等。
从而，实现对进货、销售及员工信息等实现全面、动态、及时的管理。
2.1功能及性能分析2.1.1功能需求整个系统基本包括了小型超市所要用到的模块。
包括收款操作,库存查询，填写资金支出表，采购管理，库存管理，销售管理，资金管理，员工管理等。
1.库存管理：综合查询库存明细记录。
仓库信息搜索。
仓库调度以及仓库货物信息查询。
2、商品录入：根据超巿业务特点制定相关功能，可以通过输入商品名称等来实现精确或模糊的商品录入。
其中将商品划分成不同的类型，方便管理和查询。
3.财务管理：通过直接输入商品名称系统自动显示该商品的详细信息。
明确显示折扣，现卖价，以及仓库剩余量，自动计算本次交易的总金额和判断购买数量的准确性。
如果顾客是本店会员并持有本人会员卡，则在交易时选择顾客类型，并对所购物品全部实行等级折扣优惠，并将所购物品的总金额累计到该会员的总消费金额中。
4、进货管理：根据销售情况及库存情况，制定进货计划（亦可手工制定修改），强大的查询功能可以避免盲目进货造成商品积压。
按计划单有选择性地进行自动入库登记。
综合查询进货与入库记录及金额。
5.销售管理：商品正常销售、促销与限量、限期及禁止销售控制。
综合查询各种销售明细记录、各地收银员收银记录以及交结账情况等。
按多种方式统计生成销售排行榜，灵活察看和打印商品销售日、月、年报表。
6.员工管理：基本信息登记管理。
员工操作权限管理。
客户销售权限管理。
信息查询，修改更新，已经删除。
7.安全性：对每位员工进行权限限制。
其中超市管理员具有最高权限。
根据工作类型的不同现实相应系统的不同部分，避免了非法操作。
8、资金管理：系统采用每日自动报帐及报帐查询，用户可以按照自己的需要进行某个时间段的查询，查看订货情况，销售情况，财务支出收益情况，最终计算出此段时间内运营成本和销售利润，结算出最终的利润。
9.供货商管理：对供货商基本信息进行登记管理，通过基本信息进行查询，修改更新，删除2.2系统的开发运行环境本系统开发平台:jsp+sqlserver2000本系统采用架构:petshop本系统运行环境:windowsxp或以上版本

R语言分类(SVMKNNLDA等)与回归代码+原始数据+分析报告，数据挖掘大作业。

传感器网络节点定位算法matlab代码（Centroid，APIT，DVHOP,BoundingBox，……共7个）无线传感器网络无需测距定位算法matlab源代码。
包括apit，dv-hop，amorphous在内的共7个range-free算法。
在run.m里的算法选择部分可以选择需要运行的算法，算法的参数可以参考对应子目录里的说明。
每个子目录里都有一个pdf文档，是算法的最原始描述。

无需使用视频编辑软件转换.一个批处理就可转成MP4.批量任意格式视频转换成MP4视频，调用ffmpeg完成，转换为H264编码的MP4视频，只需要将包含视频的文件夹或单个视频文件拖放到【任意视频转mp4批处理.bat】图标上即可。
如果拖放的是文件夹，则会在该文件夹下生成一个名称为mp4的目录，用来存放转换完成的mp4视频，与原始视频文件同名，并且批量转换该文件夹下的所有视频。
如果拖放的是单个视频文件，则会在该视频文件相同目录下生成一个名称为mp4的目录，用来存放转换完成的mp4视频，与原始视频文件同名。

同源搜索是生物信息学在分子生物学，蛋白质功能分析和药物开发领域的巨大应用。
为了在不断增长的数据库中执行批量搜索，基本方法是对每个原始查询运行Blast或通过将它们分组在一起来串联查询。
本文提出了一种增强的具有序列压缩和聚类的蛋白质同源性批量搜索算法（C2-BLASTP），该算法利用了查询序列和数据库之间的联合信息。
在C2-BLASTP中，查询和数据库首先通过冗余分析进行压缩。
然后根据子序列相似度对数据库进行聚类。
此后，可以在群集数据库中实现命中查找。
此外，基于潜在的命中结果来重建最终执行数据库，以减轻序列数据库不断扩大的规模。
最后，在执行数据库中进行同源批搜索。
在NCBINR数据库上进行的实验证明，在同源性准确性，搜索速度和内存使用方面，C2-BLASTP对于同源性批量搜索的有效性。

对即将找工作的大学生，研究生都爱刷leetcode的题目，但是刚刚接受无法适从，或是一时半会儿想不到解法，没关系，leetcode题解PDF可一带你慢慢了解思路过程。
目录3.4Addbinary615.1.5BinaryTreeLevelOr-3.5LongestPalindromicSubstring.62dertraversalil3.6RegularExpressionMatching665.1.6BinaryTreeZigzag3.7WildcardMatching67LevelOrdertraversal.963.8LongestCommonPrefix5.1.7RecoverBinarySearch3.9ValidNumber70Tree983.10Integertoroman725.1.8SameTree3.11RomantoInteger5.1.9SymmetricTree1013.12CountandSay745.1.10BalancedBinaryTree..1023.13Anagrams755.1.11FlattenBinaryTreeto3.14SimplifyPath76LinkedList1033.15LengthofLastWord775.1.12PopulatingNextRightPointersineachnodeii105第4章栈和队列7952二叉树的构建1074.1栈795.2.1ConstructBinaryTree4ValidParentheses79fromPreorderandIn4.1.2LongestvalidParenorderTraversatheses805.2.2ConstructBinaryTree4.1.3LargestRectangleinfromInorderandposHistogram82torderTraversal1084.14Evaluatereversepol-53二叉查找树109ishnotation845.3.1UniqueBinarySearch4,2队列85Trees5.3.2UniqueBinarySearch第5章树86Treesli.1105.1二叉树的遍历865.3.3ValidateBinarySearch5.1.1BinaryTreePreorderTreeTraversal865.3.4ConvertSortedarrayto5.1.2BinaryTreeInorderBinarySearchTreel12Traversal885.3.5ConvertSortedListto5.1.3BinaryTreePostorderBinarysearchtree113Traversal9054二叉树的递归1155.1.4BinaryTreeLevelOr5.4.1MinimumDepthofBidertraversalnarylree115目录5.4.2MaximumDepthofBi8.32重新实现nextpermunaryTree116tation1425.4.3PathSum117833递归.1435.44PathSumil1188.4PermutationsII1445.4.5BinaryTreeMaximum8.4.1nextpermutation...144PathSuum119842重新实现nextpermu5.4.6PopulatingNextRighttation144Pointersineachnode12084.3递归1445.4.7SumRoottoLeafNum8.5Combinations146bers122851递归146852迭代147第6章排序1238.6LetterCombinationsofaphone6.1MergeSortedArray123umber1476.2MergeTwoSortedLists12486.1递归1486.3MergekSortedLists124862迭代96.4InsertionSortList125第9章广度优先搜索1506.5Sortlist1269.1WordLadder1506.6FirstMissingPositive1279.2WordLadderil..1526.7SortColors289.3Surroundedregions154第7章查找94小结15613194.1适用场景1567.1Searchforarange131942思考的步骤.1567.2SearchInsertPosition.13294.3代码模板1577.3Searcha2DMatrix133第10章深度优先搜索162第8章暴力枚举法13510.1PalindromePartitioning..1628.1Subsets13510.2UniquePaths1658.1.1递归1350.2.1深搜1658.1.2迭代.13710.22备忘录法.1658.2Subsetsil13810.23动规166821递归1381024数学公式167822迭代.14110.3UniquePathsIl1688.3Permutations14210.3.1备忘录法1688.3.1nextpermutation14210.3.2动规.169目录10.4N-Queens16913.4Maximalrectangle19910.5N-QueensII17213.5BestTimetoBuyandSellStock10.6Restoreipaddresses17320010.7CombinationSum17413.6InterleavingString20110.8CombinationSumIl17513.7ScrambleString20310.9GenerateParentheses.17713.8MinimumPathSum20810.10Sudokusolver17813.9EditDistance21010.11WordSearch.18013.10DecodeWays.21210.12小结18113.11DistinctSubsequences21310.12.1适用场景1813.12WordBreak21410.122思考的步骤1811313WordBreakil21610.12.3代码模板183第14章图21810.12.4深拽与回溯法的区别.18414.1CloneGraph10.12.5深搜与递归的区别..184第15章细节实现题221第11章分治法18515.1ReverseInteger2211.1Pow(x,n)18515.2PalindromeNumber222qrt(x18615.3InsertInterval223第12章贪心法18715.4MergeIntervals22412.1Jumpgame18715.5MinimumWindowSubstring..22512.2JumpgameIl18815.6MultiplyStrings22712.3BestTimetobuyandsellstock19015.7SubstringwithConcatenation12.4BestTimetobuyandsellstock191ofallwords23012.5LongestSubstringWithoutre15.8Pascal,sTrianglepeatingCharacters19215.9PascalsTriangleIl23212.6ContainerwithmostWater.19315.10Spiralmatrix23315.11SpiralmatrixII234第13章动态规划19515.12ZigZagConversion23613.1Triangle19515.13DivideTwoIntegers23713.2MaximumSubarray19615.14TextJustification23813.3PalindromePartitioningII19815.15MaxPointsonaline目录第1章编程技巧在判断两个浮点数a和b是否相等时,不要用a=-b,应该判断二者之差的绝对值fabs(a-b)是否小于某个阈值,例如1e-9。
判断一个整数是否是为奇数,用x%2!=0,不要用x%2==1,因为x可能是负数用char的值作为数组下标(例如,统计字符串中每个字符出现的次数),要考虑到char可能是负数。
有的人考虑到了,先强制转型为unsignedint再用作下标,这仍然是错的。
正确的做法是,先强制转型为unsignedchar,再用作下标。
这涉及C++整型提升的规则,就不详述了。
以下是关于STL使用技巧的,很多条款来自《EffectiⅤveStL》这本书。
vector和string优先于动态分配的数组首先,在性能上,由于vector能够保证连续内存,因此一旦分配了后,它的性能跟原始数组相当其次,如果用new,意味着你要确保后面进行了delete,一旦忘记了,就会岀现BUG,且这样需要都写一行delete,代码不够短再次,声明多维数组的话,只能一个一个new,例如:int**ary=newint*[row_num];for(inti=0:i<rownum;++1)ary[i]newint[col_num]用vector的话一行代码搞定,vector<vector<int>>ary(row_num,vector<int>(col_num,0))使用reserve来避免不必要的重新分配第2章线性表这类题目考察线性表的操作,例如,数组,单链表,双向链表等。
21数组2.1.1RemoveDuplicatesfromSortedarray描述Givenasortedarray,removetheduplicatesinplacesuchthateachelementappearonlyonceandreturnthenewlengthDonotallocateextraspaceforanotherarray,youmustdothisinplacewithconstantmemoryForexample,GiveninputarrayA=[1,1,2Yourfunctionshouldreturnlength=2,andaisnow[1,2]分析无代码1/LeetCode,RemoveDuplicatesfromSortedArray/时间复杂度0(n),空间复杂度0(1)classSolutiontublicintremoveDuplicates(intA[],intn)tlf(n==oreturnointindex=0:for(inti=1:i<n:i++iif(Alindex!alidA[++index]=Alireturnindex12.1数组代码2//LeetCode,RemoveDuplicatesfromSortedArray//使用STL,时间复杂度0(n),空间复杂度0(1)classSolutionipublicintremoveDuplicates(intA[,intn)treturndistance(A,unique(A,An))代码3/LeetCode,RemoveDuplicatesfromSortedArray/使用STL,时间复杂度0(n),空间复杂度0(1)lassSolutionfublicintremoveDuplicates(intA[],intn)treturnremoveDuplicates(A,A+n,A)-A;template<typenameInIt,typenameoutit>OutItremoveDuplicates(InItfirst,InItlast,OutItoutput)thile(firstlast)i*output++=*firstfirstupper_bound(first,last,*firstreturnoutput相关题目RemoveduplicatesfromSortedArrayIl,见§2.1.22.1.2RemoveDuplicatesfromSortedArrayII描述Followupfor"RemoveDuplicates"Whatifduplicatesareallowedatmosttwice?Forexample,Givensortedarraya=[1,1,1,2,2,3]Yourfunctionshouldreturnlength=5,andAisnow[1,1,2,2,3分析加一个变量记录一下元素出现的次数即可。
这题因为是已经排序的数组,所以一个变量即可解决。
如果是没有排序的数组,则需要引入一个hashmap来记录出现次数4第2章线性表代码1//LeetCode,RemoveDuplicatesfromSortedArrayII/时间复杂度0(n),空间复杂度0(1)//qauthorhex108(https://github.com/hex108)classSolutiontublicintremoveDuplicates(intA[],intn)tlf(n<=2returnnintindex=2for(inti=2:in:1++)if(all]!Alindex-2])ALindex++]=Ali]returnindex;代码2下面是一个更简洁的版本。
上面的代码略长,不过扩展性好一些,例如将occur<2改为ocur<3,就变成了允许重复最多3次。
//LeetCode,RemoveDuplicatesfromSortedArrayII//@author虞航仲(http://weibo.com/u/1666779725)//时间复杂度0(n),空间复杂度0(1)classSolutionipublicintremoveDuplicates(intA[],intn)tmtindex=ofor(intif(i>0&&i<1&&A[i]==A[i-1]&&A[i]==A[i+1])continueAlindex++]=Alireturnindex;相关题目RemoveDuplicatesfromSortedArray,见§2.1.12.1.3SearchinRotatedSortedArray描述Supposeasortedarrayisrotatedatsomepivotunknowntoyoubeforehand

超分辨率AlexZhao，SisiJia和RickyHo编写的CS1682020年Spring最终项目“评估超分辨率MRI的机器学习方法”的代码。
感谢部分代码的原始作者@movehand（movehand/raisr），@icpm（icpm/super-resolution）和@t5eng（t5eng/fsrcnn_pytorch）。
可在找到用于训练，验证和测试的IXI数据集。
BSDS300数据集可在找到。
归功于Lüsebrink等。
对于找到的7T数据集。

Snap4Arduino绑定Snap！和Arduino一起使用，并且有以下几种版本：适用于GNU/Linux，MacOSX和MSWindows的桌面应用程序。
适用于Chromebook的Chrome应用以及可以运行Chromium浏览器或GoogleChrome的任何其他设备。
使用特殊的Chrome扩展程序的网络应用程序。
嵌入式GNU/Linux计算机的命令行解释器。
用于Linino板的Websockets驱动版本。
适用于Android的移动应用。
:collision:实验！几乎无法使用！:collision:请查看我们的官方网站以获取更多信息：资料下载您可以在以下位置获得适用于所有平台的最新预构建版本：文献资料上有许多关于不同主题的教程。
您还可以找到。
要了解有关更多信息，看看和。
也有一些例子项目。
要将其中之一加载到Snap4Arduino中：单击项目名称：单击原始按钮：右键单击文本，然后选择SaveAs（或仅按Control+S）以将文件保存到计算机中。
将您刚刚下载的文件拖放到Snap4

OntoNotes5.0的中文部分包括250K字的新闻专线数据，270K字的广播新闻和170K的广播会话。
新闻专线的数据来自中国树库5.0。
250K包括100K的新华新闻数据（chtb_001.fid到chtb_325.fid）和来自Sinorama新闻杂志的150K数据（chtb_1001.fid到chtb_1078.fid）。
广播新闻数据是来自TDT4的274K字，并且是从LDC为自动内容提取（ACE）程序注释的数据中选择的。
已将这些文件的编号chtb_2000.fid分配给chtb_3145.fid。
广播对话数据是170K字，取自LDC的GALE数据。
50K的原始中文数据也用英文注释，另外55K的中文数据代表原始英语广播对话翻译成中文。
Web数据包括215K令牌，其中15K来自P2.5评估，86K来自Dev09数据。
此外，110K的Web数据由40K并行中文源数据和70K并行英文原始数据组成。
电话会话语料库包括大约100K的中文CallHome数据，用解析，命题，名称和共同参考信息注释。

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。