注：由于该资源较大，故分为两个部分上传，资源共10积分，两个压缩包平均5积分。
需要两部分同时下载，同时解压才能获得完整资源。
（该部分为part1,part2也已上传至我的资源，可在我主页内下载）本资源是《微信公众平台与小程序开发从零搭建套系统》高清PDF扫描版。
该书由张剑明著，中国工信出版集团和人民邮电出版社联合出版，有需要的小伙伴可以下载学习参考。
本书目录如下：第1章　微信生态1.1　微信：是一个生活方式　11.2　微信公众平台　61.2.1　公众平台简介　61.2.2　服务号和订阅号　71.3　企业号　81.4　小程序　81.5　微信开放平台　91.6　微信支付　101.7　表情开放平台　121.8　微信广告　121.9　小结　13第2章　开发环境及技术介绍2.1　集成软件包介绍　142.2　XAMPP的安装与配置　152.3　PhpStorm的安装及配置　202.4　相关技术介绍　232.4.1　HTTP　232.4.2　HTML5　252.5　小结　26第3章　开发前的准备3.1　开发概述　273.1.1　OpenID　273.1.2　公众号使用场景　283.2　公众号消息会话流程　303.3　接入指南　313.4　接口权限及调用频率　333.5　微信网页开发样式库　353.6　小结　37第4章　常用调试方法及工具4.1　微信测试号　384.2　接口在线调试　414.3　微信Web开发者工具　424.3.1　微信网页授权调试　434.3.2　JS-SDK权限校验　454.3.3　网页远程调试　454.4　前端调试工具　464.4.1　谷歌浏览器开发者工具　484.5　移动端抓包与调试　504.5.1　Charles抓包工具　554.6　小结　56第5章　基于CodeIgniter的微信公众平台开发框架5.1　CodeIgniter简介　575.2　工程代码改造　595.3　微信公众号开发配置　605.4　小结　63第6章　微信网页开发6.1　微信网页授权原理　646.1.1　网页授权注意事项　656.1.2　网页授权流程　666.2　微信网页授权实例　676.3　微信网页多域名授权　746.3.1　原理分析　746.3.2　代码实现　766.4　微信JS-SDK　786.4.1　接入准备　796.4.2　JS-SDK接口实例　806.5　小结　85第7章　微信支付7.1　微信支付接入方式　867.2　微信支付准备工作　887.3　微信支付实践　897.3.1　示例代码解析　907.3.2　支付示例　917.3.3　支付结果通知　967.4　聚合支付　997.4.1　聚合支付接入示例　1017.5　小结　105第8章　微信登录8.1　微信开放平台　1078.1.1　UnionID机制　1088.2　微信自动登录　1098.2.1　数据结构设计　1108.2.2　代码实现　1128.2.3　使用UnionID登录　1178.2.4　如何应用到现有站点　1188.3　小结　120第9章　微信小程序9.1　小程序简介　1219.2　开发环境及框架　1229.2.1　开发配置　1259.2.2　HTTPS配置　1269.3.1　iOS/Android开发者　1299.3　如何着手开发小程序　1299.4　页面生命周期　1309.3.2　前端开发者　1309.3.3　后端开发者　1309.5　小程序组件和API　1349.6　小程序登录　1349.7　小程序微信支付　1409.8　小结　145第10章　案例：第一个echoserver程序10.1　接入开发者模式　14610.2　消息响应　14710.2.1　公众号会话保存Session　15310.3　自定义菜单　15410.4　小结　157第11章　案例：微信随手记11.1　需求描述　15911.2　数据库设计　15911.3　代码实现　16111.3.1　添加主题　16111.3.3　主题查看　16311.3.4　图片下载　16611.3.5　图片预览　16911.3.6　聊天机器人　17011.3.7　入口函数　17411.4　运行效果　17511.5　小结　177

文中以隐式广义预测控制[1]的原理为基础，建立了以受控自回归积分滑动平均模型（即CARIMA）为基础的LNG气化储备站出口压力控制的隐式广义预测控制。
利用MATLAB对此控制系统进行了仿真，同时介绍了常规PID控制，也对常规PID控制系统进行了仿真，由仿真结果可以看出隐式广义预测控制比PID控制具有响应时间短，控制精度高等优点并能取得良好的可行性、鲁棒性、优越性。

针对神经网络算法在当前PM2．5浓度预测领域存在的易过拟合、网络结构复杂、学习效率低等问题，引入RFR（randomforestregression，随机森林回归）算法，分析气象条件、大气污染物浓度和季节所包含的22项特征因素，通过调整参数的最优组合，设计出一种新的PM2．5浓度预测模型——RFRP模型。
同时，收集了西安市2013--2016年的历史气象数据，进行模型的有效性实验分析。
实验结果表明，RFRP模型不仅能有效预测PM2．5浓度，还能在不影响预测精度的同时，较好地提升模型的运行效率，其平均运行时间为O．281S，约为BP-NN（backpropagationneuralnetwork，BP神经网络）预测模型的5．88％。

数字图像处理邻域平均法C语言数字图像处理邻域平均法C语言

InverseDistancetoaPower（反距离加权插值法）Kriging（克里金插值法）MinimumCurvature（最小曲率）ModifiedShepard"sMethod（改进谢别德法）NaturalNeighbor（自然邻点插值法）NearestNeighbor（最近邻点插值法）PolynomialRegression（多元回归法）RadialBasisFunction（径向基函数法）TriangulationwithLinearInterpolation（线性插值三角网法）MovingAverage（移动平均法）LocalPolynomial（局部多项式法）"＞InverseDistancetoaPower（反距离加权插值法）Kriging（克里金插值法）MinimumCurvature（最小曲率）ModifiedShepard"sMethod（改进谢别德法）NaturalNeighbor（自然邻点插值法）NearestNeighbor（最近邻点插值法）PolynomialRegression（?[更多]

题目：成绩管理系统按照目前湖工大的成绩管理情况，设计成绩管理系统后台数据库。
要求系统可以存储学生基本信息，和课程基本信息，学生选课情况以及课程得分（考试后进行补录）。
课程有必修，选修和公选不同类型。
各学院学生只能选修该专业的选修课。
公选课可以大范围选修。
且补考，重新成绩要单独对待。
可以根据学分统计发放学位信息。
并提供学位信息查询（包括已经发放的学位证查询，以及没有发放的学位，要显示给该生还需多少学分，什么类型课程多少学分的提示。
）策略分析题目：1按照学生学号，查询该生所有的课程选择及得分情况，并进行平均分，绩点计算。
显示该生三类课程的门数和平均分。
（必修，选修和任性课），其中任选课程若不及格不计入。
2按照课程号，查询该课程所有学生的得分情况，并进行平均分，方差等计算。
按照成绩进行排序。
3根据班号，统计该班学生的不及格的全部信息。
资源包含：14页详细的课程设计报告书、powerDesigner生成数据库的概念、物理、逻辑模型工程文件、C++——Qt编写的可视化数据库管理系统、数据库工程文件（需要自己附加进Sqlsever）、完成题目要求的数据库查询语句、Excel表格形式的数据库的数据

该资源主要参考我的博客【数字图像处理】四.MFC对话框绘制灰度直方图，博客地址http://blog.csdn.net/eastmount/article/details/46237463讲述VC++6.0关于数字图像处理的灰度直方图(中值灰度、平均灰度)、灰度、采样、量化处理，处理的是BMP图片，详细讲述了通过OnPaint绘制图像坐标、图像等知识，其中代码中含有详细注释。
免费资源，希望能结合原文学习，也期望对你有所帮助，尤其是初学者！By:Eastmount

比较简单的时域平均程序，对仿真信号进行时域平均处理，效果非常明显。

轮廓分析概括coRPysprofiling是一个开放源代码库，旨在将探索性数据分析和可视化引入自然语言处理领域。
软件包中的函数将用于为单个文本语料库提供一些基本统计信息和可视化效果，或者提供将多个语料库彼此进行比较的功能。
安装您可以使用以下方法从安装coRPysprofiling的发行版本：install.packages("coRPysprofiling")特征一些特定功能包括：corpus_analysis：语料库分析将生成有关单个语料库特征的统计报告（例如，唯一单词数，平均单词/句子长度，使用的最高单词，主题分析）。
corpus_viz：corpus_viz将生成单个语料库的相关可视化效果（例如，词云，平均单词/句子长度的直方图，使用的最高单词）。
corpora_compare：给定两个或多个语料库，corpora_compare将在每对语料库之

对matlab中平滑处理做了详细的介绍yy1=smooth(y,30); %利用移动平均法对y做平滑处理＞＞figure; %新建一个图形窗口＞＞plot(t,y,'k:'); %绘制加噪波形图＞＞holdon;＞＞plot(t,yy1,'k','linewidth',3); %绘制平滑后波形图＞＞xlable('t');＞＞xlabel('t');＞＞ylabel('moving');＞＞legend('加噪波形','平滑后波形');

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。