】网络爬虫，又称网页蜘蛛、网络机器人。
随着计算机技术的高速发展，互联网中的信息量越来越大，搜索引擎应运而生。
传统的搜索引擎会有返回结果不精确等局限性。
为了解决传统搜索引擎的局限性，专用型网络爬虫在互联网中越来越常见。
同时，专用型网络爬虫具有专用性，可以根据制定的规则和特征，最后只体现和筛选出有用的信息。

文件同步备份可以在指定的两个文件夹之间进行单向或双向的同步，点击程序窗口右上方的绿色齿轮图标可以设置相关参数；
期间也可以自定义需要筛选的文件，有“包括”和“例外”两种过滤方式，定义需要过滤的文件类型，这就看个人需要了。
此外就是比较不同文件夹中的文件是否相同的功能，不过这个功能比较适合同步之前使用，比较的结果会直接显示在列表中，方便查看，这样你就可以清楚的知道是否需要进行同步操作了，节省系统资源。
工具（实现差异、增量同步）

MATLAB神经网络43个案例分析源代码&数据《MATLAB神经网络43个案例分析》目录第1章BP神经网络的数据分类——语音特征信号分类第2章BP神经网络的非线性系统建模——非线性函数拟合第3章遗传算法优化BP神经网络——非线性函数拟合第4章神经网络遗传算法函数极值寻优——非线性函数极值寻优第5章基于BP_Adaboost的强分类器设计——公司财务预警建模第6章PID神经元网络解耦控制算法——多变量系统控制第7章RBF网络的回归--非线性函数回归的实现第8章GRNN网络的预测----基于广义回归神经网络的货运量预测第9章离散Hopfield神经网络的联想记忆——数字识别第10章离散Hopfield神经网络的分类——高校科研能力评价第11章连续Hopfield神经网络的优化——旅行商问题优化计算第12章初始SVM分类与回归第13章LIBSVM参数实例详解第14章基于SVM的数据分类预测——意大利葡萄酒种类识别第15章SVM的参数优化——如何更好的提升分类器的性能第16章基于SVM的回归预测分析——上证指数开盘指数预测.第17章基于SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测第18章基于SVM的图像分割-真彩色图像分割第19章基于SVM的手写字体识别第20章LIBSVM-FarutoUltimate工具箱及GUI版本介绍与使用第21章自组织竞争网络在模式分类中的应用—患者癌症发病预测第22章SOM神经网络的数据分类--柴油机故障诊断第23章Elman神经网络的数据预测----电力负荷预测模型研究第24章概率神经网络的分类预测--基于PNN的变压器故障诊断第25章基于MIV的神经网络变量筛选----基于BP神经网络的变量筛选第26章LVQ神经网络的分类——乳腺肿瘤诊断第27章LVQ神经网络的预测——人脸朝向识别第28章决策树分类器的应用研究——乳腺癌诊断第29章极限学习机在回归拟合及分类问题中的应用研究——对比实验第30章基于随机森林思想的组合分类器设计——乳腺癌诊断第31章思维进化算法优化BP神经网络——非线性函数拟合第32章小波神经网络的时间序列预测——短时交通流量预测第33章模糊神经网络的预测算法——嘉陵江水质评价第34章广义神经网络的聚类算法——网络入侵聚类第35章粒子群优化算法的寻优算法——非线性函数极值寻优第36章遗传算法优化计算——建模自变量降维第37章基于灰色神经网络的预测算法研究——订单需求预测第38章基于Kohonen网络的聚类算法——网络入侵聚类第39章神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类第40章动态神经网络时间序列预测研究——基于MATLAB的NARX实现第41章定制神经网络的实现——神经网络的个性化建模与仿真第42章并行运算与神经网络——基于CPU/GPU的并行神经网络运算第43章神经网络高效编程技巧——基于MATLABR2012b新版本特性的探讨

带后台数据库的完整预约系统,具有exl筛选功能的预约系统

自己实现的经典ICP算法，采用PCA作了粗拼接，然后使用K-d树算法加速选取对应点，使用bunny数据进行了拼接实验，并计算了其RMS误差。
经典ICP算法中不包含筛选删除误匹配点对的步骤，因此精度较低。

神经网络变量筛选—基于BP的神经网络变量筛选matlab代码程序

先前找了2个waveVCDViewer波形查看工具，不管是安装版的还是所谓绿色版本的，都不能正常使用——不是软件过期就是运行错误！后来自己找了一个很方便的绿色版，为了方便有同样需要的同学，现在上传分享给大家！waveVCDViewer波形查看工具(GTKwave),独立运行，纯绿色版本，不需安装，直接解压运行gtkwave.exe文件即可！例如：解压缩到C盘，直接运行"C:\gtkw\bin\gtkwave.exe";或者解压缩到D盘，则运行"D:\gtkw\bin\gtkwave.exe"，在cmd命令行模式或者在窗口模式下用鼠标双击都可以！简单使用说明：1.按照上面的方法，解压缩并运行gtkwave以后，可以将一个VCD波形文件用鼠标拖到gtkwave运行窗口中，以打开VCD波形文件。
2.这时候波形窗口还是空白一片，什么图形都没有！？——不要吃惊，这是正常的！是为了能够筛选使用者关心的信号波形而进行的设计；
要不然如果VCD文件里面的信号很多的话，一上来一大堆的信号波形图像，就会显得很乱。
下面可以参照我的方法步骤来操作，我的例子是查看一个SystemC产生的VCD(ValueChangeDump)波形文件。
按照前面说过的，将这个VCD波形文件用鼠标拖到打开的gtkwave运行窗口中以后，点击左上边的子窗口“SST”中的“SystemC”,则会在左下边的子窗口中出现对应"Type"和"Signals"的列表。
3.将"Signals"下面的信号名称用鼠标拖到中间的子窗口"Signals"中，就会在右边的子窗口"Waves"中显示对应的波形文件了！4.键盘按“Alt+F”或者点击上方的zoom图标（或者不怕麻烦的话，还可以依次点击“Time”-“Zoom”-“ZoomFull”）就可以显示完整时间段的波形，当然你也可以进行放大或者缩小显示等等操作。
如果使用中还有问题，可以问我。
谢谢！HY

实用流式布局实现京东筛选，属性选择功能；
筛选和属性选择是目前非常常用的功能模块；
几乎所有的APP中都会使用；
点击筛选按钮会弹出一个自己封装好的popupWindow，实用方法非常简单；
两行代码直接显示；
（当然初始化数据除外）

脑-机接口(BCI)中常用高密度导联来获取脑电(EEG)信号的空间信息,为了避免使用过多导联给EEG采集工作带来不便,消除无关的噪声通道,本文提出了一种基于共空间模式(CSP)的导联优化方法,基于CSP方法得到的投影矩阵,使用2-范数的导联筛选准则,筛选出在投影空间中权重较大的M个导联,目的是用较少的导联来获得与使用高密度导联相近的分类识别率。
实验数据使用BCICompetition2005DatasetⅢa,针对三个受试者的三类运动想象(左手、右手和脚),分别比较了使用该方法选择的导联和使用全部导联情况下得到的分类识别率。
实验表明,使用筛选后的20导联得到的三个受试者的分类识别率,均高于使用全部60导联得到的分类识别率,从而验证了所提出方法的有效性和实用性

JavaWeb开发实例大全（提高卷）筛选、汇集了JavaWeb开发从基础知识到高级应用各个层面的大量实例及源代码，共有600个左右，每个实例及源代码按实例说明、关键技术、设计过程、详尽注释、秘笈心法的顺序进行了分析解读。
全书分为7篇23章，包括流行组件应用、数据库应用、图表统计、Ajax框架应用、流行框架、网站安全与架构模式、综合应用等。
重点内容有操作XML文件、发送与接收邮件、数据库操作技术、SQL语句应用技术、复杂查询技术、数据库高级应用、JFreeChart绘图基础、基础图表技术、扩展图表技术、基于Cewolf组件的图表编程、Prototype框架、jQuery框架、Dojo框架、Struts2框架应用、Struts2框架标签应用、Hibernate框架基础、Hibernate高级话题、Spring框架基础、Spring的WebMVC框架、网站性能优化与安全策略、设计模式与架构、网站设计与网页配色、JavaWeb典型项目开发案例等。
配书光盘附带了实例的源程序。
《JavaWeb开发实例大全（提高卷）》既适合JavaWeb程序员参考和查阅，也适合JavaWeb初学者，如高校学生、软件开发培训学员及相关求职人员学习、练习、速查使用。
目录第1篇流行组件应用篇第1章操作XML文件第2章发送与接收邮件第2篇数据库应用篇第3章数据库操作技术第4章SQL语句应用技术第5章复杂查询技术第6章数据库高级应用第3篇图表统计篇第7章JFreeChart绘图基础第8章基础图表技术第9章扩展图表技术第10章基于Cewolf组件的图表编程第4篇Ajax框架应用篇第11章Prototype框架第12章jQuery框架第13章Dojo框架第5篇流行框架篇第14章Struts2框架应用第15章Struts2框架标签应用第16章Hibernate框架基础第17章Hibernate高级话题第18章Spring框架基础第19章Spring的WebMVC框架第6篇网站安全与架构模式篇第20章网站性能优化与安全策略第21章设计模式与架构第7篇综合应用篇第22章网站设计与网页配色第23章JavaWeb典型项目开发案例

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。