Lonworks技术是美国Echelon公司于90年12月推出的一种现场总线技。
LON（LocalOperationNetwork）为局部操作网络，具有现场总线技术的一切特点。
Lonworks分布式测控网络技术，它真正并彻底地贯彻了“分散控制、集中管理的控制思想，在国际和国内都得到越来越广泛的应用。
更准确地说Lonworks技术有效地解决了集散控制系统的通讯难题。
Lonworks技术符合IEEE-1437和EIA-709标准。
这是一个Lontalk协议栈的C语言参考实现，包括一个参考文档。

局部保持映射(LPP)是由何晓飞提出的一种用于降维的流型学习算法，它是一种线性的算法。

铜浮选泡沫图像局部谱特征提取的新方法

针对网络安全态势预测，为了提高预测精度和预测算法的收敛速度，采用一种改进的粒子群算法来优化径向基函数神经网络。
首先，ＰＳＯ的惯性权重因子按一条开口向左的抛物线递减，在保证全局寻优的同时又增强了局部搜索能力；
其次，通过权重因子的调节自动寻优，并将搜寻到的全局最优值解码成ＲＢＦ的网络参数；
最后，通过优化的ＲＢＦ网络进行网络安全态势预测。
仿真实验表，改进后的算法能较准确地预测网络安全态势。
与ＢＰ算法和ＲＢＦ算法相比，本文算法在预测精度上有所提高，同时收敛速度加快，能达到更好的预测效果。

一、引言自适应噪声抵消技术是一种能够很好的消除背景噪声影响的信号处理技术，应用自适应噪声抵消技术，可在未知外界干扰源特征，传递途径不断变化，背景噪声和被测对象声波相似的情况下，能够有效地消除外界声源的干扰获得高信噪比的对象信号。
从理论上讲，自适应干扰抵消器是基于自适应滤波原理的一种扩展，简单的说，把自适应滤波器的期望信号输入端改为信号加噪声干扰的原始输入端，而它的输入端改为噪声干扰端，由横向滤波器的参数调节输出以将原始输入中的噪声干扰抵消掉，这时误差输出就是有用信号了。
在数字信号采集、处理中，线性滤波是最常用的消除噪声的方法。
线性滤波容易分析，使用均方差最小准则的线性滤波器能找到闭合解，若噪声干扰类型为高斯噪声时，可达到最佳的线性滤波效果。
计算机论文www.lunwendingzhi.com；
机械毕业论文www.lunwenwanjia.com在实际的数字信号采集中，叠加于信号的噪声干扰往往不是单一的高斯噪声，而线性滤波器所要求的中等程度噪声偏移，使线性滤波器对非高斯噪声的滤波性能下降，为克服线性滤波器的缺点，往往采用非线性滤波器，所以本文采用神经网络对信号进行滤波处理。
二、基于BP算法和遗传算法相结合的自适应噪声抵消器在本文中，作者主要基于自适应噪声对消的原理对自适应算法进行研究，提出了一种新的算法，即BP算法和遗传算法相结合的自适应算法。
作者对BP网络的结构及算法作了一个系统的综述，分析了BP算法存在的主要缺陷及其产生的原因。
传统的BP网络既然是一个非线性优化问题，这就不可避免地存在局部极小问题，网络的极值通过沿局部改善的方向一小步进行修正，力图达到使误差函数最小化的全局解，但实际上常得到的使局部最优点。
管理毕业论文网www.yifanglunwen.com；
音乐毕业论文www.xyclww.com；
英语毕业论文www.lanrenbanjia.com；
学习过程中，下降慢，学习速度缓，易出现一个长时间的误差平坦区，即出现平台。
通过对遗传算法文献的分析、概括和总结，发现遗传算法与其它的搜索方法相比，遗传算法（GA）的优点在于：不需要目标函数的微分值；
并行搜索，搜索效率高；
搜索遍及整个搜索空间，容易得到全局最优解。
所以用GA优化BP神经网络，可使神经网络具有进化、自适应的能力。
BP-GA混合算法的方法出发点为：经济论文www.youzhiessay.com教育论文www.hudonglunwen.com；
医学论文网www.kuailelunwen.com；
（1）利用BP神经网络映射设计变量和目标函数、约束之间的关系；
（2）用遗传算法作实现优化搜索；
（3）遗传算法中适应度的计算采用神经网络计算来实现。
BP-GA混合算法的设计步骤如下：（1）分析问题，提出目标函数、设计变量和约束条件；
（2）设定适当的训练样本集，计算训练样本集；
（3）训练神经网络；
（4）采用遗传算法进行结构寻优；
（5）利用训练好的神经网络检验遗传算法优化结果。
若满足要求，计算结束；
若误差不满足要求，将检验解加入到训练样本集中，重复执行3～5步直到满足要求。
通过用短时傅立叶信号和余弦信号进行噪声对消性能测试，在单一的BP算法中，网络的训练次数、学习速度、网络层数以及每层神经元的节点数都是影响BP网络的重要参数，通过仿真实验可以发现，适当的训练次数可以使误差达到极小值，但是训练次数过多，训练时间太长，甚至容易陷入死循环，或者学习精度不高。
学习速度不能选择的太大，否则会出现算法不收敛，也不能选择太小，会使训练过程时间太长，一般选择为0.01～0.1之间的值，再根据训练过程中梯度变化和均方误差变化值确定。
基于梯度下降原理的BP算法，在解空间仅进行单点搜索,极易收敛于局部极小，而GA的众多个体同时搜索解空间的许多点，因而可以有效的防止搜索过程收敛于局部极小，只有算法的参数及遗传算子的操作选择得当，算法具有极大的把握收敛于全局最优解。
使用遗传算法需要决定的运行参数中种群大小表示种群中所含个体的数量，种群较小时，可提高遗传算法的运算速度，但却降低了群体的多样性，可能找不出最优解；
种群较大时，又会增加计算量，使遗传算法的运行效率降低。
一般取种群数目为20～100；
交叉率控制着交叉操作的频率，由于交叉操作是遗传算法中产生新个体的主要方法，所以交叉率通常应取较大值，但若过大的话，又可能破坏群体的优良模式，一般取0.4～0.99；
变异率也是影响新个体产生的一个因素，变异率小，产生个体少，变异率太大，又会使遗传算法变成随机搜索，一般取变异率为0.0001～0.1。
由仿真结果得知，GA与BP算法的混合算法不论是在运行速度还是在运算精度上都较单纯的BP算法有提高，去噪效果更加明显，在信噪比的改善程度上，混合算法的信噪

从理论上研究了增益辅助二维金属纳米粒子（NP）阵列中平面晶格等离激元（OLP）的共振放大。
由于角度相关的近场光学特性，可以通过调整入射光的角度来控制基于OLP的spaser的增益阈值。
事实证明，与活性等离子NP阵列相比，OLP的表面等离激元（SP）扩增阈值更低。
进行并排比较以不同入射角激发的ILP和OLP的电场定位和增强，以了解它们的不同打散性能。
结果还表明，NP阵列中晶格等离激元的增益阈值远低于单个NP中局部SP的增益阈值。

Linux命令行与Shell脚本编程大全LinuxCommandLineAndShellScriptingBible(2th).pdf第一部分　Linux命令行第1章　初识Linuxshell1.1　什么是Linux1.1.1　深入探究Linux内核1.1.2　GNU工具链1.1.3　Linux桌面环境1.2　Linux发行版1.2.1　核心Linux发行版1.2.2　专业Linux发行版1.2.3　LinuxLiveCD1.3　小结第2章　走进shell2.1　终端模拟2.1.1　图形功能2.1.2　键盘2.2　terminfo数据库2.3　Linux控制台2.4　xterm终端2.4.1　命令行参数2.4.2　xterm主菜单2.4.3　VT选项菜单2.4.4　VT字体菜单2.5　Konsole终端2.5.1　命令行参数2.5.2　标签式窗口会话2.5.3　配置文件2.5.4　菜单栏2.6　GNOMETerminal2.6.1　命令行参数2.6.2　标签2.6.3　菜单栏2.7　小结第3章　基本的bashshell命令3.1　启动shell3.2　shell提示符3.3　bash手册3.4　浏览文件系统3.4.1　Linux文件系统3.4.2　遍历目录3.5　文件和目录列表3.5.1　基本列表功能3.5.2　修改输出信息3.5.3　完整的参数列表3.5.4　过滤输出列表3.6　处理文件3.6.1　创建文件3.6.2　复制文件3.6.3　链接文件3.6.4　重命名文件3.6.5　删除文件3.7　处理目录3.7.1　创建目录3.7.2　删除目录3.8　查看文件内容3.8.1　查看文件统计信息3.8.2　查看文件类型3.8.3　查看整个文件3.8.4　查看部分文件3.9　小结第4章　更多的bashshell命令4.1　监测程序4.1.1　探查进程4.1.2　实时监测进程4.1.3　结束进程4.2　监测磁盘空间4.2.1　挂载存储媒体4.2.2　使用df命令4.2.3　使用du命令4.3　处理数据文件4.3.1　排序数据4.3.2　搜索数据4.3.3　压缩数据4.3.4　归档数据4.4　小结第5章　使用Linux环境变量5.1　什么是环境变量5.1.1　全局环境变量5.1.2　局部环境变量5.2　设置环境变量5.2.1　设置局部环境变量5.2.2　设置全局环境变量5.3　删除环境变量5.4　默认shell环境变量5.5　设置PATH环境变量5.6　定位系统环境变量5.6.1　登录shell5.6.2　交互式shell5.6.3　非交互式shell5.7　可变数组5.8　使用命令别名5.9　小结第6章　理解Linux文件权限6.1　Linux的安全性6.1.1　/etc/passwd文件6.1.2　/etc/shadow文件6.1.3　添加新用户6.1.4　删除用户6.1.5　修改用户6.2　使用Linux组6.2.1　/etc/group文件6.2.2　创建新组6.2.3　修改组6.3　理解文件权限6.3.1　使用文件权限符6.3.2　默认文件权限6.4　改变安全性设置6.4.1　改变权限6.4.2　改变所属关系6.5　共享文件6.6　小结第7章　管理文件系统7.1　探索Linux文件系统7.1.1　基本的Linux文件系统7.1.2　日志文件系统7.1.3　扩展的Linux日志文件系统7.2　操作文件系统7.2.1　创建分区7.2.2　创建文件系统7.2.3　如果出错了7.3　逻辑卷管理器7.3.1　逻辑卷管理布局7.3.2　Linux中的LVM7.3.3　使用LinuxLVM7.4　小结第8章　安装软件程序8.1　包管理基础8.2　基于Debian的系统8.2.1　用aptitude管理软件包8.2.2　用aptitude安装软件包8.2.3　用aptitude更新软件8.2.4　用aptitude卸载软件8.2.5　aptitude库8.3　基于RedHat的系统8.3.1　列出已安装包8.3.2　用yum安装软件8.3.3　用yum更新软件8.3.4　用yum卸载软件8.3.5　处理损坏的包依赖关系8.3.6　yum软件库8.4　从源码安装8.5　小结第9章　使用编辑器9.1　Vim编辑器9.1.1　Vim基础9.1.2　编辑数据9.1.3　复制和粘贴9.1.4　查找和替换9.2　Emacs编辑器9.2.1　在控

包括：生成（8,2）邻域uniformLBP直方图的映射关系函数；
计算分块区域I的LBP特征，（8,2），uniform；
计算分区图像I的LBP特征，3*3，uniform；
下载后直接调用getMBLBPFea函数，就可得到相应的图片的LBP直方图特征

该资源主要参考http://blog.csdn.net/eastmount/article/details/44241583文章，讲述了如何通过PHP实现论坛搭建简单的效果。
同时包括IFrame实现局部规划，后台数据库通过SAE搭建，希望文章对大家有所帮助！

此文件为本人对activit测试的各种demo，符合工作流开发的各种场景，工作中的测试局部尽在这里，包括对在线编辑器的整合

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。