信永国际中文超详细Oracle教程第一章数据库基础第二章Oracle入门第三章查询基础第四章单行函数第五章分组函数第六章多表查询第七章子查询第八章高级查询第九章数据字典第十章Oracle数据类型第十一章Oracle体系结构(DBA)第十二章DDL(改变表结构)第十三章DML(改变数据结构）第十四章约束第十五章视图第十六章索引第十七章序列、同义词第十八章PLSQL第十九章游标、函数第二十章存储过程第二十一章触发器第二十二章事务（数据库系统概论）第二十三章用户管理第二十四章备份恢复SQLLoader第二十五章数据库设计范式第二十六章数据库设计工具第二十七章对象关系数据库系统第二十八章其他数据库

第一章概述第二章存储器映射第三章体系配置配备枚举第四章电源管理单元(PMU)第五章功率配置配备枚举文件第六章中断抑制器第七章IO口配置配备枚举第八章管脚配置配备枚举第九章通用输入/输入口第十章通用异步收发器(UART)第十一章I2C总线接口第十二章SSP抑制器第十三章C_CAN第十四章C_CAN片上驱动第十五章16位计数器按时器第十六章32位计数器按时器第十七章看门狗按时器(WDT)第十八章体系节奏按时器第十九章模数转换器(ADC)第二十章Flash存储器编程固件第二十一章串行线调试(SWD)第二十二章ARMCortex-M0参考资料

matlab罕用代码大全，帮手你科研，论文实证阐发，数模竞赛第44章条理阐发法第45章灰色联系瓜葛度第46章熵权法第47章主成份阐发第48章主成份回归第49章偏最小二乘第50章垂垂回归阐发第51章模拟退火第52章RBF,GRNN,PNN-神经收集第53章相助神经收集与SOM神经收集第54章蚁群算法tsp求解第55章灰色料想GM1-1第56章模糊综合评估第57章交织验证神经收集第58章多项式拟合plotfit第59章非线性拟合lsqcurefit第60章kmeans聚类第61章FCM聚类第62章arima功夫序列第63章topsis第1章BP神经收集的数据分类——语音特色信号分类第2章BP神经收集的非线性体系建模——非线性函数拟合第3章遗传算法优化BP神经收集——非线性函数拟合第4章神经收集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的强分类器方案——公司财政预警建模第6章PID神经元收集解耦抑制算法——多变量体系抑制第7章RBF收集的回归--非线性函数回归的实现第8章GRNN收集的料想----基于狭义回归神经收集的货运量料想第9章离散Hopfield神经收集的遥想影像——数字识别第10章离散Hopfield神经收集的分类——高校科研才气评估第11章络续Hopfield神经收集的优化——遨游商下场优化盘算第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的数据分类料想——意大利葡萄酒品种识别第15章SVM的参数优化——若何更好的提升分类器的成果第16章基于SVM的回归料想阐发——上证指数收盘指数料想.第17章基于SVM的信息粒化时序回归料想——上证指数收盘指数变更趋向以及变更空间料想第18章基于SVM的图像联系-真玄色图像联系第19章基于SVM的手写字体识别第20章LIBSVM-FarutoUltimate货物箱及GUI版本介绍与使用第21章自结构相助收集在方式分类中的使用—患者癌症发病料想第22章SOM神经收集的数据分类--柴油机缺陷诊断第23章Elman神经收集的数据料想----电力负荷料想模子钻研第24章概率神经收集的分类料想--基于PNN的变压器缺陷诊断第25章基于MIV的神经收集变量遴选----基于BP神经收集的变量遴选第26章LVQ神经收集的分类——乳腺肿瘤诊断第27章LVQ神经收集的料想——人脸朝向识别第28章遴选树分类器的使用钻研——乳腺癌诊断第29章极限学习机在回归拟合及分类下场中的使用钻研——比力试验第30章基于随机森林脑子的组合分类器方案——乳腺癌诊断第31章脑子进化算法优化BP神经收集——非线性函数拟合第32章小波神经收集的功夫序列料想——短时交通流量料想第33章模糊神经收集的料想算法——嘉陵江水质评估第34章狭义神经收集的聚类算法——收集入侵聚类第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章遗传算法优化盘算——建模自变量降维第37章基于灰色神经收集的料想算法钻研——定单需要料想第38章基于Kohonen收集的聚类算法——收集入侵聚类第39章神经收集GUI的实现——基于GUI的神经收集拟合、方式识别、聚类第40章动态神经收集功夫序列料想钻研——基于MATLAB的NARX实现第41章定制神经收集的实现——神经收集的本能化建模与仿真第42章并背运算与神经收集——基于CPU/GPU的并行神经收集运算第43章神经收集高效编程本领——基于MATLABR2012b新版本特色的谈判

第一篇　底子学识第1章　图像/视频底子学识第2章　图像缩放第3章　图像品质增强底子本领第4章　超分说率规复本领第二篇　基于重修的超分说率规复第5章　基于重修的图像超分说率规复本领概述第6章　凸集投影以及最大后验概率估量第7章　基于mrf模子的map图像超分说率规复第8章　基于梯度矢量流解放的图像超分说率规复第9章　基于货物的监控视频超分说率规复第10章　基于权值矩阵的超分说率盲规复第11章　基于小波变更域的超分说率规复第12章　基于单帧高分说率图像的视频序列超分说率规复第三篇　基于学习的超分说率规复第13章　基于学习的超分说率规复本领概述第14章　基于示例学习的超分说率规复算法第15章　基于多类料想器学习的超分说率规复第16章　基于学习的人脸图像超分说率规复第四篇　高动态规模展现第17章　高动态规模图像可视化本领概述第18章　基于自顺应细节增强的高动态规模图像可视化第五篇　超分说率规复本领的阻滞趋向第19章　超分说率规复本领的阻滞趋向

呵呵，刚买的书，就把源代码同享给你们，收个高分作为勤快与回报，不介意吧VisualBasic名目开拓案例精辟冯小燕源代码解压后111M《VisualBasic名目开拓案例精辟》内容丰厚、结构明晰、成果残缺，适宜具备未必编程阅历的VB法度圭表标准开拓人员、VB自学者以及大专院校教师浏览。
VisualBasic6.0是目前最流行的面向图形用户界面的可视化法度圭表标准方案货物之一，普及使用于使用软件开拓中。
VB6.0是典型的面向货物的法度圭表标准方案语言，其窗体以及控件都是货物，控件的属性以及方式都封装在了该货物的定义中。
VB6.0的控件能够组成丰厚的Windows图形界面，而法度圭表标准员在编程时却不用体贴这些货物的内部实现。
《VisualBasic名目开拓案例精辟》松散实际使用，精选了30个案例，普及波及数据库管理、游戏方案、收集使用、图像处置、串口通讯以及摄像头监控等。
各案例成果残缺，看重实际使用，并且对于关键法度圭表标准举行了详尽教学。
如面向货物法度圭表标准方案、多文档界面、文件处置、数据库编程本领、图形与图像处置方式、多媒体使用本领、收集编程本领以及Windows使用法度圭表标准接口本领等。
特意在数据库管理体系中介绍了MicrosoftAccess2000、MicrosoftAccess200三、SQLSever2000以及SQLSever2005数据库的使用。
目录第1章文本编纂器第2章资源管理器第3章电子相册第4章迷信盘算器第5章截图软件第6章指针式时钟第7章波形暴发器第8章拼图游戏第9章扫雷游戏第10章俄罗斯方块第11章多媒体播放器第12章串口通讯体系第13章收集聊天体系第14章卡拉OK点歌体系第15章摄像头监控体系第16章在线测验体系第17章教师信息管理体系第18章人事管理体系第19章餐饮管理体系第20章多媒体月历第22章画图板第23章图像处置软件第24章实时数据收集与抑制体系第25章网页浏览器第26章收集五子棋第27章影碟出租管理体系第28章定单管理体系第29章图书馆管理体系第30章客房管理体系

第一章　认识PacketTracer软件1第二章　交换机的基本配置与管理2第三章　交换机的端口配置与管理3第四章　交换机的Telnet远程登陆配置5第五章　交换机的端口聚合配置7第六章　交换机划分Vlan配置9第七章　三层交换机基本配置12第八章　利用三层交换机实现VLAN间路由13第九章　快速生成树配置16第十章　路由器的基本配置19第十一章　路由器单臂路由配置21第十二章　路由器静态路由配置23第十三章　路由器RIP动态路由配置25第十四章　路由器OSPF动态路由配置29第十五章　路由器综合路由配置32第十六章　标准IP访问控制列表配置35第十七章　扩展IP访问控制列表配置37第十八章　网络地址转换NAT配置40第十九章　网络端口地址转换NAPT配置42第二十章交换机端口安全45

《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功能第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

内科学（第9版）课件第四篇消化零碎疾病第十九章胆道零碎肿瘤.pptx

《openssl编程》当前版本，在以前的基础上增加了椭圆曲线补充。
第一章 基础知识 81.1 对称算法 81.2 摘要算法 91.3 公钥算法 91.4 回调函数 11第二章 openssl简介 132.1 openssl简介 132.2 openssl安装 132.2.1 linux下的安装 132.2.2 windows编译与安装 142.3 openssl源代码 142.4 openssl学习方法 16第三章 堆栈 173.1 openssl堆栈 173.2 数据结构 173.3 源码 183.4 定义用户自己的堆栈函数 183.5 编程示例 19第四章 哈希表 214.1 哈希表 214.2 哈希表数据结构 214.3 函数说明 234.4 编程示例 25第五章 内存分配 275.1 openssl内存分配 275.2 内存数据结构 275.3 主要函数 285.4 编程示例 29第六章 动态模块加载 306.1 动态库加载 306.2 DSO概述 306.3 数据结构 316.4 编程示例 32第七章 抽象IO 347.1 openssl抽象IO 347.2 数据结构 347.3 BIO函数 367.4 编程示例 367.4.1 membio 367.4.2 filebio 377.4.3 socketbio 387.4.4 mdBIO 397.4.5 cipherBIO 407.4.6 sslBIO 417.4.7 其他示例 42第八章 配置文件 438.1 概述 438.2 openssl配置文件读取 438.3 主要函数 448.4 编程示例 44第九章 随机数 469.1 随机数 469.2 openssl随机数数据结构与源码 469.3 主要函数 489.4 编程示例 48第十章 文本数据库 5010.1 概述 5010.2 数据结构 5110.3 函数说明 5110.4 编程示例 52第十一章 大数 5411.1 引见 5411.2 openssl大数表示 5411.3 大数函数 5511.4 使用示例 58第十二章 BASE64编解码 6412.1 BASE64编码引见 6412.2 BASE64编解码原理 6412.3 主要函数 6512.4 编程示例 66第十三章 ASN1库 6813.1 ASN1简介 6813.2 DER编码 7013.3 ASN1基本类型示例 7013.4 openssl的ASN.1库 7313.5 用openssl的ASN.1库DER编解码 7413.6 Openssl的ASN.1宏 7413.7 ASN1常用函数 7513.8 属性证书编码 89第十四章 错误处理 9314.1 概述 9314.2 数据结构 9314.3 主要函数 9514.4 编程示例 97第十五章 摘要与HMAC 10015.1 概述 10015.2 openssl摘要实现 10015.3 函数说明 10115.4 编程示例 10115.5 HMAC 103第十六章 数据压缩 10416.1 简介 10416.2 数据结构 10416.3 函数说明 10516.4 openssl中压缩算法协商 10616.5 编程示例 106第十七章 RSA 10717.1RSA引见 10717.2 openssl的RSA实现 10717.3 RSA签名与验证过程 10817.4 数据结构 10917.4.1RSA_METHOD 10917.4.2 RSA 11017.5 主要函数 11017.6编程示例 11217.6.1密钥生成 11217.6.2 RSA加解密运算 11317.6.3签名与验证 116第十八章 DSA 11918.1DSA简介 11918.2 openssl的DSA实现 12018.3 DSA数据结构 12018.4 主要函数 12118.5 编程示例 12218.5.1密钥生成 12218.5.2签名与验证 124第十九章DH 12619.1 DH算法引见 12619.2 openssl的DH实现 12719.3数据结构 12719.4 主要函数 12819.5 编程示例 129第二十章

小波分析理论与matlab7完成，飞思科技产品研发中心编著，共十九章

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。