smplayer-0.6.9源码,armlinux编译可用.

第1章电磁实际1.0引言1.1复函数体系1.2电磁场能量以及功率的思考1.3各向同性介质中波的传布1.4晶体中波的传布——折射率椭球1.5琼斯盘算及其在双折射晶体光学体系中的使用1.6电磁波的衍射习题参考文献第2章光线以及光束的传布2.0引言2.1透镜波导2.2光线在反射镜面间的传布2.3在类透镜介质中的光线2.4平方律折射率介质中的平稳方程2.5平均介质中的高斯光束2.6在类透镜介质中的基模高斯光束——ABCD定律2.7在透镜波导中的高斯光束2.8在平均介质中的高斯光束高阶模2.9在平方律折射率变更的介质中的高斯光束的高阶模2.10光波在二次型增益漫衍介质中的传布2.11椭圆高斯光束2.12傍轴A，B，C，D体系的衍射积分习题参考文献第3章光束在光纤中的传输3.0引言3.1圆柱坐标系中的平稳方程3.2阶跃折射率圆波导3.3线偏振模3.4光纤中的光脉冲传输与脉冲展宽3.5群速率色散的赔偿3.6空间衍射与功夫色散的类比3.7硅光纤中的损耗习题参考文献第4章光学共振腔4.0引言4.1法布里珀罗尺度具4.2用作光谱阐发仪的法布里珀罗尺度具4.3球面镜光学共振腔4.4模的平稳性判据4.5狭义共振腔中的方式——自洽法4.6光共振腔中的共振频率4.7光学共振腔中的损耗4.8光学共振腔——衍射实际方式4.9模耦合习题参考文献第5章辐射以及原子体系的相互传染5.0引言5.1原子能级之间的盲目跃迁——平均增宽以及非平均增宽5.2受激跃迁5.3排汇以及放大5.4χ′(ν)的推导5.5χ(ν)的物理意思5.6平均激光介质中的增益饱以及5.7非平均激光介质中的增益饱以及习题参考文献第6章激光振荡实际及其在络续区以及脉冲区的抑制6.0引言6.1法布里珀罗激光器6.2振荡频率6.3三能级以及四能级激光器6.4激光振荡器的功率6.5激光振荡器的最佳输入耦合6.6多模激光振荡器以及锁模6.7在平均增宽激光体系中的锁模6.8脉冲宽度的丈量以及啁啾脉冲的收缩6.9巨脉冲(调Q)激光器6.10多普勒增宽气体激光器中的烧孔效应以及兰姆突出习题参考文献第7章一些特殊的激光器体系7.0引言7.1抽运与激光器功能7.2红宝石激光器7.3掺钕钇铝石榴石（Nd3+：YAG）激光器7.4掺钕玻璃激光器7.5氦氖（HeNe）激光器7.6二氧化碳激光器7.7氩离子（Ar+）激光器7.8激基份子激光器7.9有机染料激光器7.10气体激光器的低压操作7.11掺铒硅基激光器习题参考文献第8章二次谐波暴发与参变振荡8.0引言8.1非线性极化的物理来源8.2非线性介质中波传布的公式8.3光的二次谐波暴发8.4激光共振腔内的二次谐波暴发8.5二次谐波暴发的光子模子8.6参变放大8.7参变放大的相位匹配8.8参变振荡8.9参变振荡的频率调谐8.10光参变振荡器中的输入功率以及抽运饱以及8.11频率上转换8.12准相位匹配习题参考文献第9章激光光束的电光调制9.0引言9.1电光效应9.2电光相位提前9.3电光振幅调制9.4光的相位调制9.5横向电光调制器9.6高频调制的思考9.7光束的电光偏转9.8电光调制——耦合波阐发9

rtlinux装置包，反对于linux内核版本2.4.0-2.6.9

海康平台集成接口，包括视频、门禁、车辆等。
iVMS-8700_V2.9.1和iVMS-5000_V6.9平台SDK

CentOS-6.9-x86_64-bin-DVD1.iso民间高速下载链接亲测可用

亲测零碎CentOS-6.9-x86_64-LiveDVD百度网盘资源秒下。

CentOS-6.9-x86_64-bin-DVD1.iso

CentOS-6.9-x86_64-bin-DVD1.iso

《模式识别（第四版）》是2010年电子工业出版社出版的图书，作者是西奥多里蒂斯。
本书由模式识别领域的两位顶级专家合著，全面阐述了模式识别的基础理论、最新方法、以及各种应用。
作　者：(希)SergiosTheodoridis/(希)KonstantinosKoutroumbas，李晶皎等译第1章导论1.1模式识别的重要性1.2特征、特征向量和分类器1.3有监督、无监督和半监督学习1.4MATLAB程序1.5本书的内容安排第2章基于贝叶斯决策理论的分类器2.1引言2.2贝叶斯决策理论2.3判别函数和决策面2.4正态分布的贝叶斯分类2.5未知概率密度函数的估计2.6最近邻规则2.7贝叶斯网络习题MATLAB编程和练习参考文献第3章线性分类器3.1引言3.2线性判别函数和决策超平面3.3感知器算法3.4最小二乘法3.5均方估计的回顾3.6逻辑识别3.7支持向量机习题MATLAB编程和练习参考文献第4章非线性分类器4.1引言4.2异或问题4.3两层感知器4.4三层感知器4.5基于训练集准确分类的算法4.6反向传播算法4.7反向传播算法的改进4.8代价函数选择4.9神经网络大小的选择4.10仿真实例4.11具有权值共享的网络4.12线性分类器的推广4.13线性二分法中1维空间的容量4.14多项式分类器4.15径向基函数网络4.16通用逼近4.17概率神经元网络4.18支持向量机：非线性格况4.19超越SVM的范例4.20决策树4.21合并分类器4.22合并分类器的增强法4.23类的不平衡问题4.24讨论习题MATLAB编程和练习参考文献第5章特征选择5.1引言5.2预处理5.3峰值现象5.4基于统计假设检验的特征选择5.5接收机操作特性（ROC）曲线5.6类可分性测量5.7特征子集的选择5.8最优特征生成5.9神经网络和特征生成/选择5.10推广理论的提示5.11贝叶斯信息准则习题MATLAB编程和练习参考文献第6章特征生成I：线性变换6.1引言6.2基本向量和图像6.3Karhunen-Loève变换6.4奇异值分解6.5独立成分分析6.6非负矩阵因子分解6.7非线性维数降低6.8离散傅里叶变换（DFT）6.9离散正弦和余弦变换6.10Hadamard变换6.11Haar变换6.12回顾Haar展开式6.13离散时间小波变换（DTWT）6.14多分辨解释6.15小波包6.16二维推广简介6.17应用习题MATLAB编程和练习参考文献第7章特征生成II7.1引言7.2区域特征7.3字符形状和大小的特征7.4分形概述7.5语音和声音分类的典型特征习题MATLAB编程和练习参考文献第8章模板匹配8.1引言8.2基于最优路径搜索技术的测度8.3基于相关的测度8.4可变形的模板模型8.5基于内容的信息检索：相关反馈习题MATLAB编程和练习参考文献第9章上下文相关分类9.1引言9.2贝叶斯分类器9.3马尔可夫链模型9.4Viterbi算法9.5信道均衡9.6隐马尔可夫模型9.7状态驻留的HMM9.8用神经网络训练马尔可夫模型9.9马尔可夫随机场的讨论习题MATLAB编程和练习参考文献第10章监督学习：尾声10.1引言10.2误差计算方法10.3探讨有限数据集的大小10.4医学图像实例研究10.5半监督学习习题参考文献第11章聚类：基本概念11.1引言11.2近邻测度习题参考文献第12章聚类算法I：顺序算法12.1引言12.2聚类算法的种类12.3顺序聚类算法12.4BSAS的改进12.5两个阈值的顺序方法12.6改进阶段12.7神经网络的实现习题MATLAB编程和练习参考文献第13章聚类算法II：层次算法13.1引言13.2合并算法13.3cophenetic矩阵13.4分裂算法13.5用于大数据集的层次算法13.6最佳聚类数的选择习题MATLAB编程和练习参考文献第14章聚类算法III：基于函数最优方法14.1引言14.2混合分解方法14.3模糊聚类算法14.4可能性聚类14.5硬聚类算法14.6向量量化附录习题MATLAB编程和练习参考文献第15

《模式识别（第四版）》是2010年电子工业出版社出版的图书，作者是西奥多里蒂斯。
本书由模式识别领域的两位顶级专家合著，全面阐述了模式识别的基础理论、最新方法、以及各种应用。
作　者：(希)SergiosTheodoridis/(希)KonstantinosKoutroumbas，李晶皎等译第1章导论1.1模式识别的重要性1.2特征、特征向量和分类器1.3有监督、无监督和半监督学习1.4MATLAB程序1.5本书的内容安排第2章基于贝叶斯决策理论的分类器2.1引言2.2贝叶斯决策理论2.3判别函数和决策面2.4正态分布的贝叶斯分类2.5未知概率密度函数的估计2.6最近邻规则2.7贝叶斯网络习题MATLAB编程和练习参考文献第3章线性分类器3.1引言3.2线性判别函数和决策超平面3.3感知器算法3.4最小二乘法3.5均方估计的回顾3.6逻辑识别3.7支持向量机习题MATLAB编程和练习参考文献第4章非线性分类器4.1引言4.2异或问题4.3两层感知器4.4三层感知器4.5基于训练集准确分类的算法4.6反向传播算法4.7反向传播算法的改进4.8代价函数选择4.9神经网络大小的选择4.10仿真实例4.11具有权值共享的网络4.12线性分类器的推广4.13线性二分法中1维空间的容量4.14多项式分类器4.15径向基函数网络4.16通用逼近4.17概率神经元网络4.18支持向量机：非线性格况4.19超越SVM的范例4.20决策树4.21合并分类器4.22合并分类器的增强法4.23类的不平衡问题4.24讨论习题MATLAB编程和练习参考文献第5章特征选择5.1引言5.2预处理5.3峰值现象5.4基于统计假设检验的特征选择5.5接收机操作特性（ROC）曲线5.6类可分性测量5.7特征子集的选择5.8最优特征生成5.9神经网络和特征生成/选择5.10推广理论的提示5.11贝叶斯信息准则习题MATLAB编程和练习参考文献第6章特征生成I：线性变换6.1引言6.2基本向量和图像6.3Karhunen-Loève变换6.4奇异值分解6.5独立成分分析6.6非负矩阵因子分解6.7非线性维数降低6.8离散傅里叶变换（DFT）6.9离散正弦和余弦变换6.10Hadamard变换6.11Haar变换6.12回顾Haar展开式6.13离散时间小波变换（DTWT）6.14多分辨解释6.15小波包6.16二维推广简介6.17应用习题MATLAB编程和练习参考文献第7章特征生成II7.1引言7.2区域特征7.3字符形状和大小的特征7.4分形概述7.5语音和声音分类的典型特征习题MATLAB编程和练习参考文献第8章模板匹配8.1引言8.2基于最优路径搜索技术的测度8.3基于相关的测度8.4可变形的模板模型8.5基于内容的信息检索：相关反馈习题MATLAB编程和练习参考文献第9章上下文相关分类9.1引言9.2贝叶斯分类器9.3马尔可夫链模型9.4Viterbi算法9.5信道均衡9.6隐马尔可夫模型9.7状态驻留的HMM9.8用神经网络训练马尔可夫模型9.9马尔可夫随机场的讨论习题MATLAB编程和练习参考文献第10章监督学习：尾声10.1引言10.2误差计算方法10.3探讨有限数据集的大小10.4医学图像实例研究10.5半监督学习习题参考文献第11章聚类：基本概念11.1引言11.2近邻测度习题参考文献第12章聚类算法I：顺序算法12.1引言12.2聚类算法的种类12.3顺序聚类算法12.4BSAS的改进12.5两个阈值的顺序方法12.6改进阶段12.7神经网络的实现习题MATLAB编程和练习参考文献第13章聚类算法II：层次算法13.1引言13.2合并算法13.3cophenetic矩阵13.4分裂算法13.5用于大数据集的层次算法13.6最佳聚类数的选择习题MATLAB编程和练习参考文献第14章聚类算法III：基于函数最优方法14.1引言14.2混合分解方法14.3模糊聚类算法14.4可能性聚类14.5硬聚类算法14.6向量量化附录习题MATLAB编程和练习参考文献第15

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。