更新了自由查询结果排序不准确的问题EXCEL2007版本完美使用。
EXCEL2010及以上版本可能有问题（作者没有安装所以无法测试，据使用者反馈有问题）

boostdesc.cppboostdesc_bgm.iboostdesc_bgm_bi.iboostdesc_bgm_hd.iboostdesc_binboost_064.iboostdesc_binboost_128.iboostdesc_binboost_256.iboostdesc_lbgm.i

给定n座建筑物B[1,2,...,n]，每个建筑物B[i]表示为一个矩形，用三元组B[i]=（ai,bi,hi）表示，其中ai表示建筑左下顶点，bi表示建筑的右下顶点，hi表示建筑的高，请设计一个O(nlogn)的算法求出这n座建筑物的天际轮廓。
例如，左下图所示中8座建筑的表示分别为(1,5,11),(2,7,6),(3,9,13),(12,16,7),(14,25,3),(19,22,18),(23,29,13)和(24,28,4)，其中天际轮廓如右下图所示可用9个高度的变化(1,11),(3,13),(9,0),(12,7),(16,3),(19,18),(22,3),(23,13)和(29,0)表示。
另举一个例子，假定只有一个建筑物(1,5,11)，其天际轮廓输出为2个高度的变化(1,11),(5,0)。

.:dataippicvtiny_dnnxfeatures2d./data:7505c44ca4eb54b4ab1e4777cb96ac05-face_landmark_model.dat./ippicv:4e0352ce96473837b1d671ce87f17359-ippicv_2017u3_lnx_intel64_general_20170822.tgz./tiny_dnn:adb1c512e09ca2c7a6faef36f9c53e59-v1.0.0a3.tar.gz./xfeatures2d:boostdescvgg./xfeatures2d/boostdesc:0ae0675534aa318d9668f2a179c2a052-boostdesc_lbgm.i0ea90e7a8f3f7876d450e4149c97c74f-boostdesc_bgm.i202e1b3e9fec871b04da31f7f016679f-boostdesc_binboost_064.i232c966b13651bd0e46a1497b0852191-boostdesc_bgm_bi.i324426a24fa56ad9c5b8e3e0b3e5303e-boostdesc_bgm_hd.i98ea99d399965c03d555cef3ea502a0b-boostdesc_binboost_128.ie6dcfa9f647779eb1ce446a8d759b6ea-boostdesc_binboost_256.i./xfeatures2d/vgg:151805e03568c9f490a5e3a872777b75-vgg_generated_120.i7126a5d9a8884ebca5aea5d63d677225-vgg_generated_64.i7cd47228edec52b6d82f46511af325c5-vgg_generated_80.ie8d0dcd54d1bcfdc29203d011a797179-vgg_generated_48.i

设S=(x1,x2,…,xn)是有序集，且x1＜x2＜…＜xn，已知键值和区间的存取概率分布为(a0,b1,a1,b2,…,bn,an)，其中ai表示相应区间的搜索概率，bi表示相应键值的搜索概率。
在所有表示有序集的二叉树中找出一棵具有最小平均路长的二叉搜索树

opencv_contrib缺失的文件，用于ubuntu系统编译opencv+opencv_contrib：boostdesc_bgm.iboostdesc_bgm_bi.iboostdesc_bgm_hd.iboostdesc_binboost_064.iboostdesc_binboost_128.iboostdesc_binboost_256.iboostdesc_lbgm.ivgg_generated_48.ivgg_generated_64.ivgg_generated_80.ivgg_generated_120.i

MIPIC-PHYisdevelopedbytheMIPIPHYWorkingGroup.Operationandavailabledataratesforalinkcanbeasymmetrical,whichenablesimplementerstooptimizethetransferratestosystemneeds.Bi-directionalandhalf-duplexoperationareoptional.

BI项目需求分析

简单的遗传算法，计算函数最值.functionga_main()%遗传算法程序%n--种群规模%ger--迭代次数%pc---交叉概率%pm--变异概率%v--初始种群（规模为n）%f--目标函数值%fit--适应度向量%vx--最优适应度值向量%vmfit--平均适应度值向量clearall;closeall;clc;%清屏tic;%计时器开始计时n=20;ger=100;pc=0.65;pm=0.05;%初始化参数%以上为经验值，可以更改。
%生成初始种群v=init_population(n,22);%得到初始种群，22串长，生成20*22的0-1矩阵[N,L]=size(v);%得到初始规模行，列disp(sprintf('Numberofgenerations:%d',ger));disp(sprintf('Populationsize:%d',N));disp(sprintf('Crossoverprobability:%.3f',pc));disp(sprintf('Mutationprobability:%.3f',pm));%sprintf可以控制输出格式%待优化问题xmin=0;xmax=9;%变量X范围f='x+10*sin(x.*5)+7*cos(x.*4)';%计算适应度，并画出初始种群图形x=decode(v(:,1:22),xmin,xmax);"位二进制换成十进制，%冒号表示对所有行进行操作。
fit=eval(f);%eval转化成数值型的%计算适应度figure(1);%打开第一个窗口fplot(f,[xmin,xmax]);%隐函数画图gridon;holdon;plot(x,fit,'k*');%作图,画初始种群的适应度图像title('(a)染色体的初始位置');%标题xlabel('x');ylabel('f(x)');%标记轴%迭代前的初始化vmfit=[];%平均适应度vx=[];%最优适应度it=1;%迭代计数器%开始进化whileit＜=ger%迭代次数0代%Reproduction(Bi-classistSelection)vtemp=roulette(v,fit);%复制算子%Crossoverv=crossover(vtemp,pc);%交叉算子%Mutation变异算子M=rand(N,L)＜=pm;%这里的作用找到比0.05小的分量%M(1,:)=zeros(1,L);v=v-2.*(v.*M)+M;%两个0-1矩阵相乘后M是1的地方V就不变，再乘以2.NICE!!确实好！！！把M中为1的位置上的地方的值变反%这里是点乘%变异%Resultsx=decode(v(:,1:22),xmin,xmax);%解码，求目标函数值fit=eval(f);%计算数值[sol,indb]=max(fit);%每次迭代中最优目标函数值，包括位置v(1,:)=v(indb,:);%用最大值代替fit_mean=mean(fit);%每次迭代中目标函数值的平均值。
mean求均值vx=[vxsol];%最优适应度值vmfit=[vmfitfit_mean];%适应度均值it=it+1;%迭代次数计数器增加end

主要包括以下文件，下载前请仔细检查确认版本是否为所需要的：bi_svr_10.2.1_l86_ml.tar.gz，bi_trfrm_10.2.1_l86_ml.tar.gz，mobile_10.2.1_mp_ml.tar.gz

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。