高视GliveT80用户手册GLive图传系统用户手册文件标识：ProductManual文档版本：V3.2.6文件编号：发布日期：2018-03-06*温馨提示使用前请仔细阅读本用户手册。
本手册内的所有图示仅供参考，请以实际产品为准。
手册内所描述的某些特性和功能可能由于产品差异、当地网络运营商或服务提供商不支持而无法实现。
因而，本手册中描述的功能和实际产品并非完全一致，请以实际产品为准。
本手册内的所有图示仅供参考，请以实际产品为准。
手册内所描述的某些特性和功能可能由于产品差异、当地网络运营商或服务提供商不支持而无法实现。
因而，本手册中描述的功能和实际产品并非完全一致，请以实际产品为准。
2015/10/10 19:45:18
3.08MB
1
ASP.NET高级编程》项目三：使用工厂模式屏蔽校园BBS数据库差异1目录“使用工厂模式屏蔽数据库差异”任务描述当今的管理信息系统很少有不涉及数据库访问的，且大部分都涉及到关系数据库的访问。
虽然目前的关系数据库通常采用SQL语言作为其查询语言，但各种关系数据库在SQL语言使用的很多细节上并不一致，且各厂商的关系数据库，甚至同一厂商的不同版本的关系数据库都有很大差异。
如果一个软件系统由于需求的变更或预期的扩展和修改，需要更换不同版本或不同厂商的数据库，如Access、Oracle、MySQL等，我们就需要对整个数据访问层进行更改。
如果处理了这个问题，那么软件系统在数据库选择和可扩展可维护性方面就能够获得更大的灵活性。
校园BBS“使用工厂模式屏蔽数据库差异”任务描述我们已经将“校园BBS”利用三层的开发模式开发完毕，接下来的任务就是在简单三层的基础上如何使用工厂模式来屏蔽数据库不同带来的差异，让我们的“校园BBS”适用所有数据库平台，使程序有更好的适应性和可扩展性。
校园BBS“使用工厂模式屏蔽数据库差异”知识要点“使用工厂模式屏蔽数据库差异”知识要点设计模式早期出
虽然目前的关系数据库通常采用SQL语言作为其查询语言，但各种关系数据库在SQL语言使用的很多细节上并不一致，且各厂商的关系数据库，甚至同一厂商的不同版本的关系数据库都有很大差异。
如果一个软件系统由于需求的变更或预期的扩展和修改，需要更换不同版本或不同厂商的数据库，如Access、Oracle、MySQL等，我们就需要对整个数据访问层进行更改。
如果处理了这个问题，那么软件系统在数据库选择和可扩展可维护性方面就能够获得更大的灵活性。
校园BBS“使用工厂模式屏蔽数据库差异”任务描述我们已经将“校园BBS”利用三层的开发模式开发完毕，接下来的任务就是在简单三层的基础上如何使用工厂模式来屏蔽数据库不同带来的差异，让我们的“校园BBS”适用所有数据库平台，使程序有更好的适应性和可扩展性。
校园BBS“使用工厂模式屏蔽数据库差异”知识要点“使用工厂模式屏蔽数据库差异”知识要点设计模式早期出
2017/10/23 12:16:39
1.35MB
1
介绍博客https://blog.csdn.net/zhou74281/article/details/117777684上位机验证软件https://download.csdn.net/download/zhou74281/19550982应用背景随着目前物联网,车联网,智能设备的增多,需要远程升级设备程序的场景增多,以往的IAP升级和OTA升级都是整包升级,bin文件过大导致升级过程依赖通信的带宽和延迟,差分升级(增量升级)恰好可以处理这个问题,两者各有优缺点,可以相辅相成.差分升级又叫增量升级，是通过差分算法将源版本与目标版本之间差异的部分提取出来制作成差分包，再经过压缩算法生成特别小的补丁包,接着不管通过什么方式(网络传输,串口,232,485,CAN总线,USB总线等)把补丁包下载至设备的Flash存储中,然后在设备通过打补丁还原算法将差异部分在源版本上进行还原从而升级成目标版本的过程。
本应用的底层采用开源的差分算法BsDiff和无损压缩算法LZ77,全部使用C语言编写,支持跨平台移植,接
本应用的底层采用开源的差分算法BsDiff和无损压缩算法LZ77,全部使用C语言编写,支持跨平台移植,接
2021/3/26 16:13:37
817KB
1
图像拼接在制造全景图的过程中具有重要作用。
对多幅图像进行特定模式投影后，用约束的相位相关度法求取水平垂直偏移量，然后寻找最佳缝合线，实现图像拼接，最后采用多分辨率算法对全图进行拼接处理去除曝光差异和鬼影
对多幅图像进行特定模式投影后，用约束的相位相关度法求取水平垂直偏移量，然后寻找最佳缝合线，实现图像拼接，最后采用多分辨率算法对全图进行拼接处理去除曝光差异和鬼影
2016/11/25 18:08:04
354KB
1
某18楼的居民楼，每个单元是两梯两户。
电梯有一个默认设置：①在某楼按电梯时，左右两部电梯经过等楼层到达时，默认左边的执行任务。
②若两部电梯到达用户所需层次经过的路程不同，则默认选择路程少的那一部。
现设计一个数学模型完成如下任务：（1）这个居民楼的一个单元的两部电梯，在一年内的工作量能否有明显差异：（2）如果想两部电梯在一段时间内的工作量有显著差异，采取什么措施平衡差异，并分析结论主要通过蒙特卡洛算法的思想对问题进行解决
电梯有一个默认设置：①在某楼按电梯时，左右两部电梯经过等楼层到达时，默认左边的执行任务。
②若两部电梯到达用户所需层次经过的路程不同，则默认选择路程少的那一部。
现设计一个数学模型完成如下任务：（1）这个居民楼的一个单元的两部电梯，在一年内的工作量能否有明显差异：（2）如果想两部电梯在一段时间内的工作量有显著差异，采取什么措施平衡差异，并分析结论主要通过蒙特卡洛算法的思想对问题进行解决
2018/1/12 2:30:50
333KB
1
##已弃用此仓库不再在开发中。
请使用实施良好且有据可查的。
##关于此仓库Vatti多边形裁剪算法实现，执行多边形布尔运算的并集，交集，差和XOR。
虽然此存储库可用于学术目的。
到目前为止，工作已经完成适用于自相交多边形和带Kong的多边形。
适用于主题或剪辑TODO中的多面体剩下的部分仍然是水平边缘的处理和操作的结合与区别。
为了将其扩展为并集和差异，仅需要更改顶点分类规则。
需要合并更多的测试数据。
为了实现vatti算法，我使用了双重循环链表。
我找到了一个，但是我不得不对其进行很多修改。
我正在为排序的双链表寻找可靠的实现。
功能测试。
地图界面上有一个。
我为什么不赞成GreinerHormann算法似乎比Vatti算法更好，因为Vatti算法基于众多逻辑条件，因此实现起来并不那么容易。
的似乎很好地实现并记录在案。
请使用实施良好且有据可查的。
##关于此仓库Vatti多边形裁剪算法实现，执行多边形布尔运算的并集，交集，差和XOR。
虽然此存储库可用于学术目的。
到目前为止，工作已经完成适用于自相交多边形和带Kong的多边形。
适用于主题或剪辑TODO中的多面体剩下的部分仍然是水平边缘的处理和操作的结合与区别。
为了将其扩展为并集和差异，仅需要更改顶点分类规则。
需要合并更多的测试数据。
为了实现vatti算法，我使用了双重循环链表。
我找到了一个，但是我不得不对其进行很多修改。
我正在为排序的双链表寻找可靠的实现。
功能测试。
地图界面上有一个。
我为什么不赞成GreinerHormann算法似乎比Vatti算法更好，因为Vatti算法基于众多逻辑条件，因此实现起来并不那么容易。
的似乎很好地实现并记录在案。
2015/4/22 19:19:28
66KB
1
在音视频通话的现实场景中，不同的参会人说话音量各有不同，参会用户需要频繁的调整播放音量来满足听感的需要，戴耳机的用户随时承受着大音量对耳朵的“暴击”。
因而，对发送端音量的均衡在上述场景中显得尤为重要，优秀的自动增益控制算法能够统一音频音量大小，极大地缓解了由设备采集差异、说话人音量大小、距离远近等因素导致的音量的差异设备的多样性最直接的体现就是音频采集的差异，一般表现为音量过大导致爆音，采集音量过小对端听起来很吃力。
webrtc的AGC算法AGC是自动增益补偿功能（AutomaticGainControl），AGC可以自动调麦克风的收音量，使与会者收到一定的音量水平，不会因发言者与麦克风的距离改变时，声音有忽大忽小声的缺点。
webbrtc中的结构如下：
因而，对发送端音量的均衡在上述场景中显得尤为重要，优秀的自动增益控制算法能够统一音频音量大小，极大地缓解了由设备采集差异、说话人音量大小、距离远近等因素导致的音量的差异设备的多样性最直接的体现就是音频采集的差异，一般表现为音量过大导致爆音，采集音量过小对端听起来很吃力。
webrtc的AGC算法AGC是自动增益补偿功能（AutomaticGainControl），AGC可以自动调麦克风的收音量，使与会者收到一定的音量水平，不会因发言者与麦克风的距离改变时，声音有忽大忽小声的缺点。
webbrtc中的结构如下：
2018/10/18 17:32:02
51KB
1
matlab插值代码解释FSRCNN由Pytorch和Matlab复制《加速超分辨率卷积神经网络》（CVPR2016）论文。
依存关系Matlab2016火炬1.0.0解释论文作者url：提供的一些Matlab代码。
使用两种语言进行项目的次要原因是因为双三次插值的实现方式不同，这导致使用PSNR标准时结果的差异更大。
概述网络概述和与SRCNN的比较：用法使用./data_pro/data_aug.m进行扩充。
使用./data_pro/generate_train.m生成train.h5。
使用./data_pro/generate_test.m生成test.h5。
乘坐train.py火车：pythontrain.py将Pytorch模型.pkl转换为Matlab矩阵.mat。
（weights.pkl-＞weights.mat）pythonconvert.py使用./test/demo_FSRCNN.m获得结果。
结果使用./model/weights.mat可以得到结果：Set5平均：重建PSNR=32.52dBVS双三次PSNR
依存关系Matlab2016火炬1.0.0解释论文作者url：提供的一些Matlab代码。
使用两种语言进行项目的次要原因是因为双三次插值的实现方式不同，这导致使用PSNR标准时结果的差异更大。
概述网络概述和与SRCNN的比较：用法使用./data_pro/data_aug.m进行扩充。
使用./data_pro/generate_train.m生成train.h5。
使用./data_pro/generate_test.m生成test.h5。
乘坐train.py火车：pythontrain.py将Pytorch模型.pkl转换为Matlab矩阵.mat。
（weights.pkl-＞weights.mat）pythonconvert.py使用./test/demo_FSRCNN.m获得结果。
结果使用./model/weights.mat可以得到结果：Set5平均：重建PSNR=32.52dBVS双三次PSNR
2017/10/8 20:19:39
7.89MB
1
1、利用历史数据进行风电功率预测，数据的质量对预测准确度有很大的影响，此外，了解风速、功率在不同时段的变化特性，采取针对性、差异化的参数配置，有助于提高预测算法的效率和模型对具体数据的顺应性。
本课题主要采用K均值聚类算法对风速和功率数据进行聚类，剔除不合理的数据，再通过BP神经网络实现短期风电功率预测。
2、BP神经网络、kmeans聚类算法。
3、matlab仿真；
本课题主要采用K均值聚类算法对风速和功率数据进行聚类，剔除不合理的数据，再通过BP神经网络实现短期风电功率预测。
2、BP神经网络、kmeans聚类算法。
3、matlab仿真；
2021/5/17 12:50:32
15KB
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