通过ADMM来求解目标跟踪算法SRDCF的代码，具体算法原理可参考博客https://blog.csdn.net/qq_17783559/article/details/82965747
2025/6/13 14:57:02
2.07MB
1
这个关于怎么实现UKF的代码，关于实现步骤及实现过程可看我的博客：https://blog.csdn.net/caokaifa/article/details/83041371
2025/6/12 15:41:30
3KB
1
源码里面有Bluetooth4_3/BLEDemo/Android_Lightblue.apk三个.前两个是BLE的demo。
BLEDemo这个功能较Bluetooth4_3多一些，有兴趣的可以都看下。
Android_Lightblue.apk是Android版的lightblue，在进行ble开发的时候用该app作为辅助工具还是非常不错的，功能较Bluetooth4_3BLEDemo这两个demo都强大。
不过Android_Lightblue.apk在android5.0以上的版本手机上运行不起来，我也没有该app的源码。
看看后面会不会有更新。
对应博客地址：http://blog.csdn.net/chenliqiang12345678/article/details/50504406
BLEDemo这个功能较Bluetooth4_3多一些，有兴趣的可以都看下。
Android_Lightblue.apk是Android版的lightblue，在进行ble开发的时候用该app作为辅助工具还是非常不错的，功能较Bluetooth4_3BLEDemo这两个demo都强大。
不过Android_Lightblue.apk在android5.0以上的版本手机上运行不起来，我也没有该app的源码。
看看后面会不会有更新。
对应博客地址：http://blog.csdn.net/chenliqiang12345678/article/details/50504406
2025/6/12 12:55:54
2.41MB
1
AdaBoost算法有AdaBoost.M1和AdaBoost.M2两种算法，AdaBoost.M1是我们通常所说的DiscreteAdaBoost，而AdaBoost.M2是M1的泛化形式。
关于AdaBoost算法的一个结论是:当弱分类器算法使用简单的分类方法时,boosting的效果明显地统一地比bagging要好.当弱分类器算法使用C4.5时,boosting比bagging较好,但是没有前者明显。
后来又有学者提出了解决多标签问题的AdaBoost.MH和AdaBoost.MR算法,其中AdaBoost.MH算法的一种形式又被称为RealBoost算法---弱分类器输出一个可能度，该值的范围是整个R,和与之相应的权值调整，强分类器生成的AdaBoost算法。
Python实现该算法。
adabbost原理见博客http://blog.csdn.net/suipingsp/article/details/41722435
关于AdaBoost算法的一个结论是:当弱分类器算法使用简单的分类方法时,boosting的效果明显地统一地比bagging要好.当弱分类器算法使用C4.5时,boosting比bagging较好,但是没有前者明显。
后来又有学者提出了解决多标签问题的AdaBoost.MH和AdaBoost.MR算法,其中AdaBoost.MH算法的一种形式又被称为RealBoost算法---弱分类器输出一个可能度，该值的范围是整个R,和与之相应的权值调整，强分类器生成的AdaBoost算法。
Python实现该算法。
adabbost原理见博客http://blog.csdn.net/suipingsp/article/details/41722435
2025/6/12 10:39:13
72KB
1
本资源里有有效的CDD图像修复的matlab程序，程序里是正确的曲率K计算公式，还有有效的TV模型matlab程序，CDD修复效果见博客http://blog.csdn.net/cs_o_1/article/details/52943306提醒：CDD模型不具有较好的收敛性，迭代次数得上千，效果才比较好，博客中CDD修复的迭代次数达到2000次
2025/6/12 1:37:31
6.29MB
1
LogCollector是一套基于ETL数据分析模型的分布式数据流系统，同时适用于云域内网数据传送和跨云数据传送；
同时支持Windows和Linux双系统平台（内置JRE8.X）；
同时支持实时传送、离线传送和断点续传；
同时支持组件化集成、服务化管理和插件化扩展；
同时支持单机单实例、多实例部署以及跨云级别的分布式集群部署，分布式场景下通过过载熔断事务反馈机制来保障各子系统数据一致性，收集器可一键安装部署，自动识别系统环境并完成相应配置，无需任何附加操作，解压开箱即用。
该系统框架的功能和性能可直接秒杀ELK、Flume、Kettle等数据流工具，系统框架使用说明参考如下地址：https://blog.csdn.net/lixiang2114/article/details/114239052
同时支持Windows和Linux双系统平台（内置JRE8.X）；
同时支持实时传送、离线传送和断点续传；
同时支持组件化集成、服务化管理和插件化扩展；
同时支持单机单实例、多实例部署以及跨云级别的分布式集群部署，分布式场景下通过过载熔断事务反馈机制来保障各子系统数据一致性，收集器可一键安装部署，自动识别系统环境并完成相应配置，无需任何附加操作，解压开箱即用。
该系统框架的功能和性能可直接秒杀ELK、Flume、Kettle等数据流工具，系统框架使用说明参考如下地址：https://blog.csdn.net/lixiang2114/article/details/114239052
2025/6/10 19:29:46
167.47MB
1
内部包含本人原创c语言编写的websocket服务端程序源码，默认支持1024条并发，可修改源码轻易支持更高并发，并会自动删除已关闭的连接，里面含80%以上源码写有注释，可帮助websocket小白快速入门，积分不够的小伙伴可以在我的博客直接复制源码，https://blog.csdn.net/baidu_39146182/article/details/81394046
2025/6/10 19:43:19
12KB
1
详细讲解见博客地址：http://blog.csdn.net/yehui928186846/article/details/52710112
2025/6/9 16:22:46
19.16MB
1
https://blog.csdn.net/u014158743/article/details/81288145
2025/6/9 13:42:41
1.92MB
1
该zip文件包含Unity2018.3的中文版手册和UnityScriptingAPI，配置过程见https://blog.csdn.net/qq_43085008/article/details/113706273
2025/6/9 10:31:48
210.82MB
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