优美的界面，波形图显示历史曲线，移位寄存器取平均值

GUI的历史一直都离不开隐喻，而这种设计手段的优劣已经有越来越多的辩论。
那么时至今日，这种设计方法是否已经过时?我们是否有更好的方式?传统与新风格将怎样影响着我们?这些疑惑不禁引发了笔者的思考，因此也就有了下文。
隐喻作为一个主流的设计方式广泛运用在界面设计中，它的历史可以追溯到GUI的创造，经典的例子便是桌面、文件夹、垃圾桶…这些老生常谈概念。
因为源于真实生活，隐喻的天然优势便是利用熟悉感帮助用户理解上手，并带来亲切感。
虽然常被简单认为是模拟现实世界中的物体外观(即拟物)，隐喻其实是一个综合的手段：包括视觉层面的拟物;行为的模拟(常利用动画效果加强);以及对整体概念的利用众所周知，苹果已经将其

BNUEPOfflineJudge北京师范大学珠海分校离线评测系统是在具备题目测试数据的情况下，能无联网自动评测ACM/ICPC模式的源代码评测系统（即本地测试工具、评测机）。
它主要有以下功能（所有的功能都无需联网，在本机即可实现）：*评测核心功能：基本具备OnlineJudge的判题核心功能，如编译代码、内存限定，时间限定，获取代码长度等；
*支持多种语言：1.0Beta2版本支持C/C++、Pascal、C#、JAVA；
*出题模式可以在有标准输入数据和标准程序的情况下，由系统产生标准输出数据，并可批量保存，同时自动命名标准输出数据的后缀；
*文本高亮对比在判题后，可以直接在本系统中将自己的程序输出和标准输出进行高亮的文本差异对比，操作类似于一些文本对比软件，在一定程度上可以较方便地发现WA代码的出错细节；
*支持不限时执行代码这个功能可以在一定程度上检测TLE代码的算法是否正确的，当然，不能是跑一天都没跑出来的程序；
*打包与加密测试数据使用加密后的数据可以正常判题，但不显示标准输出。
这个功能是为了弥补放出去给别人评测的测试数据是明文的缺陷。
加密之后评测方就看不到测试数据。
这样就既可以实现离线评测，又可以实现OnlineJudge上的对测试数据屏蔽；
ACM-ICPC简介：ACM国际大学生程序设计竞赛（简称ACM-ICPC）是由国际计算机界具有悠久历史的权威性组织ACM学会（AssociationforComputingMachinery）主办，是世界上公认的规模最大、水平最高、参与人数最多的大学生程序设计竞赛，其宗旨是使大学生能通过计算机充分展示自己分析问题和解决问题的能力。
ACM-ICPC的每一道题，都具备题目、需求描述、输入格式描述、输出格式描述、样例输入和样例输出共六大信息，有些题目还有一定的提示。
此外，裁判还额外存储了关于该题的一组或多组对选手屏蔽的标准输入和标准输出数据，这些测试数据已经经过验证符合题意要求。
当用户提交一道题目的源码之后，裁判会将该源码放入评测系统中编译运行，并使用标准输入作为用户程序的输入，然后获取用户程序的输出，接着，将用户程序输出和标准输出比较，最后返回给用户一个评判结果。
评判结果包括：Accepted（测试通过）、CompileError（编译失败）、MemoryLimitExceed（内存超出限制）、PresentationError（格式错误）、RuntimeError（运行时错误，可能是数组越界，改写只读的内存，除零，栈或堆溢出等错误）、TimeLimitExceed（时间超出限制）、WrongAnswer（答案错误）等。

这应该是我写过的最大的程序了,文件太大了160多MB,只能分卷上传了.其它的看我所有的分享.这个游戏是用d2d引擎开发的.里面网络版的我这里没有数据库了,有能力的可以自己建一个.单机的是可以的,里面有历史版本都有.有不懂的可以找我交流QQ:807603044

#Pygame经典飞机大战源码1.经典飞机大战原版图片和音效；
2.记录历史最高分；
3.暂停/继续按钮。

91卫图助手（谷歌地球版）是全球首款真正的GoogleEarth影像、历史影像、高程专业下载器，它通过对GoogleEarth数据传输协议的完全解译，完美实现从GoogleEarth服务端直接下载数据。
目前市面上众多谷歌影像下载器数据均来源于GoogleMap服务端，所下载的数据带有Google水印标识，而本软件数据则来源于GoogleEarth服务端，所下载的数据无水印，且无需纠偏，无需重投影，可直接使用，无限下载，免封IP。
同时，本软件支持任意尺度任意幅面数据下载，所下载的数据无缝隙，无形变，无需重新配准，且无需安装GoogleEarth。
此外，本软件还具有强大的历史影像和高程下载功能，操作简单，方便易用。
91卫图助手，谷歌影像下载利器，谷歌高程下载利器，谷歌历史影像下载利器。

《广义共振解调故障诊断与安全工程：城轨交通篇》共分八章。
第1章“轨道交通大发展的时代”与第2章“轨道交通车辆的安全问题”与城轨交通的发展历史和当前形势接轨，搜集、调查了国际国内的若干素材。
在第3章，介绍了轨道车辆走行部常见故障。
第4章“轨道车辆走行部检测技术”。
第5章“广义共振故障诊断技术的物理学基础”，是本课题的基础理论介绍。
第6章“车载广义共振故障、共振解调诊断系统的结构”介绍了本课题的车载在线故障诊断的硬件系统构成与诊断系统的网络构成。
第7章“共振解调波形、频谱与故障诊断及机理分析”是本书的主题之一，介绍了轨道交通走行部转动部件常见故障的现象、诊断方法、诊断效果、故障机理、维修建议，介绍了基于故障机理分析而提出的若干新的诊断理论。
第8章“基于广义共振的非转动机械（构架）故障诊断方法论”是本书的主题之二，介绍了用广义共振理论解释轨道交通走行部的不转动部件发生故障的内因、外因，用所提出的“相对积”函数计算处理监测信息，实施裂纹故障的在线诊断等方法和验证、使用效果。
《广义共振解调故障诊断与安全工程：城轨交通篇》与《广义共振、共振解调故障诊断与安全工程铁路篇》同为广义共振、共振解调故障诊断与安全技术的应用实践总结，将该技术推广到了城市轨道交通领域，是不可多得的宝贵资料，可供广大轨道交通领域的技术人员学习和实践。

目标检测（ObjectDetection）是计算机视觉领域的基本任务之一，学术界已有将近二十年的研究历史。
近些年随着深度学习技术的火热发展，目标检测算法也从基于手工特征的传统算法转向了基于深度神经网络的检测技术。
从最初2013年提出的R-CNN、OverFeat，到后面的Fast/FasterR-CNN，SSD，YOLO系列，再到2018年最近的Pelee。
短短不到五年时间，基于深度学习的目标检测技术，在网络结构上，从twostage到onestage，从bottom-uponly到Top-Down，从singlescalenetwork到featurepyramidnetwork，从面向PC端到面向手机端，都涌现出许多好的算法技术，这些算法在开放目标检测数据集上的检测效果和性能都很出色。

该demo使用了自定义的流式布局+AutoCompleteTextView+SharedPreferences实现了各大APP常用到的搜索历史记录的功能，代码简单实用。

RetroStore的目标是成为一个应用商店，在过去的平台上，经常被人们遗忘的游戏和应用经常在此存储。
例如，采用类似的系统。
已经为此开发了许多游戏和应用程序，但如今很难实现。
原作者通常不再有商业兴趣。
但是，经常有关于这些旧平台和模拟器的活跃社区，它们试图使历史保持鲜活。
尽管这些仿真器（仿真器）做得非常出色，但它们却缺乏易于获取和安装应用程序映像的能力。
这就是RetroStore的用武之地。
它旨在提供一个开放的平台来存储和分发这些古老的宝石。
它通过提供用于上载旧应用程序图像的表单以及用于访问它们的API来实现。
模拟器可以使用这些API轻松地将这些标题添加到其应用程序中。

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。