第1章　C言语概述第2章　程序的灵魂——算法第3章　数据类型、运算符与表达式第4章　最简单的C程序设计——顺序程序设计第5章　选择结构程序设计第6章　循环控制第7章　数组第8章　函数第9章　预处理命令第10章　指针第11章　结构体与共用体第12章　位运算第13章　文件第14章　C++对C的扩充第15章　C++的面向对象基础第16章　常见错误和程序调试

VisualBasic.NET是Microsoft公司近年推出的一种核心编程语言，它能快捷、方便地开发图形设计、图像处理、多媒体技术、数据库技术及网络技术的Windows应用程序。
本书VisualStudio.NET为开发平台，以实例为中心，重点引见使用VisualBasic.NET开发Windows应用程序的方法和技术。
全书共分11章。
第1～2章引见VisualBasic.NET集成开发环境、常用Windows窗体控件及应用控件；
第3章引见Windows应用程序界面设计方法及实例；
第4～5章引见VisualBasic.NET语言程序设计基础及程序流控制；
第6～7章引见数组、结构和过程；
第8章引见如何使用VisualBasic.NET进行图形设计；
第9章引见VisualBasic.NET在图像处理方面的技术及应用实例；
第10章引见数据库应用；
第11章是应用程序设计实践，引见包括文本编辑器、管理统计图、动画设计及小型图案自动生成系统设计等4个应用程序实例，可作为学生综合设计练习或实训参考。
本书所提供的程序实例简明易读，所有程序均在VisualBasic.NET环境下上机通过。
本书可作为高职、高专院校计算机程序设计语言课程教科书，亦适合于工程技术人员参考。

VisualBasic.NET是Microsoft公司近年推出的一种核心编程语言，它能快捷、方便地开发图形设计、图像处理、多媒体技术、数据库技术及网络技术的Windows应用程序。
本书VisualStudio.NET为开发平台，以实例为中心，重点引见使用VisualBasic.NET开发Windows应用程序的方法和技术。
全书共分11章。
第1～2章引见VisualBasic.NET集成开发环境、常用Windows窗体控件及应用控件；
第3章引见Windows应用程序界面设计方法及实例；
第4～5章引见VisualBasic.NET语言程序设计基础及程序流控制；
第6～7章引见数组、结构和过程；
第8章引见如何使用VisualBasic.NET进行图形设计；
第9章引见VisualBasic.NET在图像处理方面的技术及应用实例；
第10章引见数据库应用；
第11章是应用程序设计实践，引见包括文本编辑器、管理统计图、动画设计及小型图案自动生成系统设计等4个应用程序实例，可作为学生综合设计练习或实训参考。
本书所提供的程序实例简明易读，所有程序均在VisualBasic.NET环境下上机通过。
本书可作为高职、高专院校计算机程序设计语言课程教科书，亦适合于工程技术人员参考。

电子科技大学-詹惠琴-电子测量原理第1章测量的基本原理.ppt第2章测量方法与测量零碎.ppt第3章测量误差及数据处理.ppt第4章时间频率测量.ppt第5章电压测量.ppt第6章阻抗测量.ppt第7章信号波形测量(new).ppt第8章信号的产生.ppt第9章信号分析和频域测量(新）.ppt第10章线性零碎频率特性测量和网络分析（新）.ppt第11章数字零碎测试技术.ppt第12章测试零碎集成技术.ppt电子测量原理教材勘误表.doc

电子科技大学-詹惠琴-电子测量原理第1章测量的基本原理.ppt第2章测量方法与测量零碎.ppt第3章测量误差及数据处理.ppt第4章时间频率测量.ppt第5章电压测量.ppt第6章阻抗测量.ppt第7章信号波形测量(new).ppt第8章信号的产生.ppt第9章信号分析和频域测量(新）.ppt第10章线性零碎频率特性测量和网络分析（新）.ppt第11章数字零碎测试技术.ppt第12章测试零碎集成技术.ppt电子测量原理教材勘误表.doc

这是一本关于图像处理基本原理及其具体应用的图书，是作者多年来教学、科研与应用的总结。
全书共15章，内容贯穿从图像获取到应用的整个过程，具体包括图像获取、人类视觉、打印和存储、成像缺陷修正、空间域图像增强、频率域图像处理、分割和阈值处理、二值图像处理、全局图像测量、特定特征的测量、外形表征、特征识别与分类、层析成像、三维可视化、表面成像。
本书的特色是，着重于各种图像处理方法的介绍与比较，并使用实例进行演示与说明。
目录：第1章获取图像第2章人类视觉第3章打印和存储第4章修正成像缺陷第5章空间域图像增强第6章频率空间中的图像处理第7章分割和阈值处理第8章二值图像处理第9章全局图像测量第10章特定特征的测量第11章外形表征第12章特征识别与分类第13章层析成像第14章三维视图第15章表面成像

这是一本关于图像处理基本原理及其具体应用的图书，是作者多年来教学、科研与应用的总结。
全书共15章，内容贯穿从图像获取到应用的整个过程，具体包括图像获取、人类视觉、打印和存储、成像缺陷修正、空间域图像增强、频率域图像处理、分割和阈值处理、二值图像处理、全局图像测量、特定特征的测量、外形表征、特征识别与分类、层析成像、三维可视化、表面成像。
本书的特色是，着重于各种图像处理方法的介绍与比较，并使用实例进行演示与说明。
目录：第1章获取图像第2章人类视觉第3章打印和存储第4章修正成像缺陷第5章空间域图像增强第6章频率空间中的图像处理第7章分割和阈值处理第8章二值图像处理第9章全局图像测量第10章特定特征的测量第11章外形表征第12章特征识别与分类第13章层析成像第14章三维视图第15章表面成像

《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

书探讨了Web应用程序开发中所涉及的主要问题，以及与桌面应用程序开发之间的重大差异。
本书将重点放在实践上，围绕一个高度交互的web应用程序实例一步一步讲述了开发、调试、部署的每一个阶段。
其中前两章讲述了WEB环境和web开发的基础切识，在随后的11章中从理论和实践两个方而讲解了web应用程序的创建、测试、调试和部署等环节，如服务器控件、数探访问、数据绑定、Asp.NET状态管理、XML与web开发、web应用程序中的web服务、ASP.NET身份验证、授权和安全、调试和异常处理、利用缓存改进功能以及在NET中发布web应用程序等。
本书适用于熟悉c#语言、使用C#语言进行过桌面应用程序开发，或使用ASP、PHP技术进行过web开发，并且希望学习使用NET和C#语言从事web开发的程序员。

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。