yalmip是一位“集大成者”，它不只自己包含基本的线性规划求解算法，比如linprog（线性规划）、bintprog（二值线性规划）、bnb（分支界定算法）等，他还提供了对cplex、GLPK、lpsolve等求解工具包更高层次的包装。
更为可贵的是，yalmip真正实现了建模和算法二者的分离，它提供了一种统一的、简单的建模语言，针对所有的规划问题，都可以用这种统一的方式建模；
至于用哪种求解算法，你只需要通过一次简单的参数配置指定就可以了，甚至不用你指定，yalmip会自动为你选择最适合的算法
更为可贵的是，yalmip真正实现了建模和算法二者的分离，它提供了一种统一的、简单的建模语言，针对所有的规划问题，都可以用这种统一的方式建模；
至于用哪种求解算法，你只需要通过一次简单的参数配置指定就可以了，甚至不用你指定，yalmip会自动为你选择最适合的算法
2023/2/6 1:50:14
1.07MB
1
本程序代码是通过Matlab编写完成的，里面有用高清相机拍摄的图片提取的二值化图像，每一幅图像都有几个MB；
虽然压缩包只要几十kb，但功能完善，没有任何问题。
通过记录二值化图像像素点，利用设定的距离阈值参数，然后利用距离阈值参数通过最小二乘法迭代来剔除偏差较大的像素点，进而实现圆拟合,并在圆二值化图像上面画上圆，记录圆的方程（包括圆心和半径这两个参数）。
请放心下载，资源没有任何问题。
虽然压缩包只要几十kb，但功能完善，没有任何问题。
通过记录二值化图像像素点，利用设定的距离阈值参数，然后利用距离阈值参数通过最小二乘法迭代来剔除偏差较大的像素点，进而实现圆拟合,并在圆二值化图像上面画上圆，记录圆的方程（包括圆心和半径这两个参数）。
请放心下载，资源没有任何问题。
2023/1/28 8:55:13
37KB
1
Pajek是大型复杂网络分析工具，是用于研究目前所存在的各种复杂非线性网络的有力工具。
Pajek在Windows环境下运行，用于带上千乃至数百万个结点大型网络的分析和可视化操作。
在斯洛文尼亚语中Pajek是蜘蛛的意思。
析和可视化操作工具：合著网、化学有机分子、蛋白质受体交互网、家谱、因特网、引文网、传播网（AIDS、旧事、创新）、数据挖掘（2-mode网）等。
设计Pajek的主要目的：这是最新Pajek64位版本免费获取，仅限于非商业用途。
Pajek向以下网络提供分●支持将大型网络分解成几个较小的网络，以便使用更有效的方法进一步处理；
●向使用者提供一些强大的可视化操作工具；
●执行分析大型网络有效算法（subquadratic）。
通过Pajek可完成以下工作：●在一个网络中搜索类（组成、重要结点的邻居、核等）；
●获取属于同一类的结点，并分别显示出来，或者反映出结点的连接关系（更具体的局域视角）；
●在类内收缩结点，并显示类之间的关系（全局视角）。
除普通网络（有向、无向、混合网络）外，Pajek还支持多关系网络，2-mode网络（二分（二值）图－网络由两类异质结点构成），以及暂时性网络（动态图—网络随时间演化）。
Pajek在Windows环境下运行，用于带上千乃至数百万个结点大型网络的分析和可视化操作。
在斯洛文尼亚语中Pajek是蜘蛛的意思。
析和可视化操作工具：合著网、化学有机分子、蛋白质受体交互网、家谱、因特网、引文网、传播网（AIDS、旧事、创新）、数据挖掘（2-mode网）等。
设计Pajek的主要目的：这是最新Pajek64位版本免费获取，仅限于非商业用途。
Pajek向以下网络提供分●支持将大型网络分解成几个较小的网络，以便使用更有效的方法进一步处理；
●向使用者提供一些强大的可视化操作工具；
●执行分析大型网络有效算法（subquadratic）。
通过Pajek可完成以下工作：●在一个网络中搜索类（组成、重要结点的邻居、核等）；
●获取属于同一类的结点，并分别显示出来，或者反映出结点的连接关系（更具体的局域视角）；
●在类内收缩结点，并显示类之间的关系（全局视角）。
除普通网络（有向、无向、混合网络）外，Pajek还支持多关系网络，2-mode网络（二分（二值）图－网络由两类异质结点构成），以及暂时性网络（动态图—网络随时间演化）。
2015/8/21 4:40:46
10.44MB
1
C++代码，基于阴影的车辆假设区域生成，次要实现步骤：1.加载一张路面图片；
2.加权平均灰度图；
3.路面ROI提取（用于作为二值化分割的阈值提取）；
4.对路面ROI进行canny边缘提取；
5.对路面ROI进行路面信息提取（根据canny图，将非路面信息，车，路两边的干扰信息等剔除）；
6.对步骤5中得到的图片信息进行直方图处理；
7.对得到的直方图信息进行高斯拟合，得到直方图的标准差，均值信息；
8.根据标准差和均值信息得到二值化的阈值；
9.二值化处理，得到分割后的图像，得到所需要的车底阴影。
2.加权平均灰度图；
3.路面ROI提取（用于作为二值化分割的阈值提取）；
4.对路面ROI进行canny边缘提取；
5.对路面ROI进行路面信息提取（根据canny图，将非路面信息，车，路两边的干扰信息等剔除）；
6.对步骤5中得到的图片信息进行直方图处理；
7.对得到的直方图信息进行高斯拟合，得到直方图的标准差，均值信息；
8.根据标准差和均值信息得到二值化的阈值；
9.二值化处理，得到分割后的图像，得到所需要的车底阴影。
2017/4/21 8:23:39
22.66MB
1
C++代码，基于阴影的车辆假设区域生成，次要实现步骤：1.加载一张路面图片；
2.加权平均灰度图；
3.路面ROI提取（用于作为二值化分割的阈值提取）；
4.对路面ROI进行canny边缘提取；
5.对路面ROI进行路面信息提取（根据canny图，将非路面信息，车，路两边的干扰信息等剔除）；
6.对步骤5中得到的图片信息进行直方图处理；
7.对得到的直方图信息进行高斯拟合，得到直方图的标准差，均值信息；
8.根据标准差和均值信息得到二值化的阈值；
9.二值化处理，得到分割后的图像，得到所需要的车底阴影。
2.加权平均灰度图；
3.路面ROI提取（用于作为二值化分割的阈值提取）；
4.对路面ROI进行canny边缘提取；
5.对路面ROI进行路面信息提取（根据canny图，将非路面信息，车，路两边的干扰信息等剔除）；
6.对步骤5中得到的图片信息进行直方图处理；
7.对得到的直方图信息进行高斯拟合，得到直方图的标准差，均值信息；
8.根据标准差和均值信息得到二值化的阈值；
9.二值化处理，得到分割后的图像，得到所需要的车底阴影。
2017/4/21 8:23:39
22.66MB
1
上传一张车牌照片，可以是远距离拍摄的，代码会先进行车牌定位，然后切割出车牌区域，再经过灰度化，二值化等导入训练好的神经网络，得到车牌；
另外神经网络可以调理层数，学习速率，训练次数等参数来训练调整新的网络。
另外神经网络可以调理层数，学习速率，训练次数等参数来训练调整新的网络。
2016/4/10 5:40:57
40.56MB
1
上传一张车牌照片，可以是远距离拍摄的，代码会先进行车牌定位，然后切割出车牌区域，再经过灰度化，二值化等导入训练好的神经网络，得到车牌；
另外神经网络可以调理层数，学习速率，训练次数等参数来训练调整新的网络。
另外神经网络可以调理层数，学习速率，训练次数等参数来训练调整新的网络。
2016/4/10 5:40:57
40.56MB
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