以前提到过SVN版本控制器和客户端的安装和配置，这里再在说一下在编译器中怎么使用SVN，使其既可以单独使用，也可以配合SVN客户端一起使用。
由于编译器种类众多，插件种类也不同，这里只简单介绍下Eclipse的插件安装。
我用的版本是Eclipse3.2.2+MyEclipse_5.1.1，由于本身只有CVS而没有集成SVN，所以要想使用SVN做版本控制只好装一个Eclipse插件Subclipse，Subclipse的详细安装过程在其官方网站http://subversion.tigris.org写的很清楚，还带配图，我就直接copy了：一、InstallSubclipseinEclipse3.

本书侧重于介绍VisualFoxPro6.0的可视化程序设计，并配有大量的实例、图文并茂、浅显易懂、易于自学。
既可作为高职高专院校计算机应用专业和各类经济管理专业学生的程序设计入门教材，也可作为各类计算机培训班的教材。

实验室的极化码编码译码仿真程序，在BSC、BEC、AWGN信道条件下都有。
使用密度进化法和巴氏参数估计信道，仿真性能非常好。
在Matlab下应用非常方便，支持多组仿真。
配有应用说明，非常好用。
希望能给大家带来帮助。

MATLAB图像配准MATLAB图像配准MATLAB图像配准

数据结构--队列实现舞伴配对问题假设在周末舞会上，男士们和女士们进入舞厅时，各自排成一队。
跳舞开始时，依次从男队和女队的队头上各出一人配成舞伴。
若两队初始人数不相同，则较长的那一队中未配对者等待下一伦舞曲。

从理论上推导了数字图像相关(DIC)方法中应变精度的影响因素,指出应变计算精度会随着窗口尺寸的变小而下降。
为了提高图像有效分辨率,针对细长平面试件提出了一种二维多相机全场DIC方法。
该方法根据特征点检测及匹配算法定位特征点对的亚像素位置,通过DIC方法对特征点对进行高精度配准,利用发展的逐步优化单应矩阵方法求解图像变换关系,得到变形前后的无缝拼接图像。
分别实施了纯平移和橡胶梁三点弯两组实验。
在纯平移实验中,该方法计算得到的应变均值误差及均方根误差均在50με以内,验证了该方法的有效性;采用橡胶梁三点弯实验对比该方法与三维多相机全场DIC方法,并基于实验结果对该方法的优点与缺点进行了分析。

本书较为系统地介绍了非线性最优化问题的基本理论和算法及其主要算法的Matlab程序设计.主要内容包括(精确或非精确)线搜索技术,最速下降法与(修正)牛顿法,共轭梯度法,拟牛顿法,信赖域方法,非线性最小二乘问题的解法,约束优化问题的最优性条件,罚函数法,可行方向法,二次规划问题的解法,序列二次规划法以及附录等.设计的Matlab程序有精确线搜索的0.616法和抛物线法,非精确线搜索的Armijo准则,最速下降法,牛顿法,再开始共轭梯度法,BFGS算法,DFP算法,Broyden族方法,信赖域方法,求解非线性最小二乘问题的L-M算法,解约束优化问题的乘子法,求解二次规划的有效集法,SQP子问题的光滑牛顿法以及求解约束优化问题的SQP方法等.此外,书中配有丰富的例题和习题,同时,作为附录介绍了Matlab优化工具箱的使用方法.本书既注重计算方法的实用性,又注意保持理论分析的严谨性,强调数值方法的思想和原理在计算机上的实现.本书的主要阅读对象是数学与应用数学和信息与计算科学专业的本科生,应用数学、计算数学和运筹学与控制论专业的研究生,理工科有关专业的研究生,对最优化理论与算法感兴趣的教师及科技工作人员.读者只需具备微积分、线性代数和Matlab程序设计方面的初步知识.

本书力求覆盖关于医学图象处理和分析技术的广泛的专题和最新发展。
内容包括作为医学图象研究的基础知识、增强技术、分割技术、配准技术和可视化技术。
作为扩展知识包括图象压缩、PACS、标准图谱、图象引导手术和引导治疗等关于医学图象的诊断和治疗应用。
本书可作为研究生教材，或作为大学、专科学校有关专业的医学图象处理课程的教材。
对医学图象处理感兴趣的工程技术人员、教师和科学研究人员使用本书可以学习有关医学图象处理的基本概念，查找有关算法和作为研究工作的参考工具。

本书对数据挖掘的基本算法进行了系统介绍，每种算法不仅介绍了算法的基本原理，而且配有大量例题以及源代码，并对源代码进行了分析，这种理论和实践相结合的方式有助于读者较好地理解和掌握抽象的数据挖掘算法。
全书共分11章，内容同时涵盖了数据预处理、关联规则挖掘算法、分类算法和聚类算法，具体章节包括绪论、数据预处理、关联规则挖掘、决策树分类算法、贝叶斯分类算法、人工神经网络算法、支持向量机、Kmeans聚类算法、K中心点聚类算法、神经网络聚类算法以及数据挖掘的发展等内容。
本书可作为高等院校数据挖掘课程的教材，也可以作为从事数据挖掘工作以及其他相关工程技术工作人员的参考书。
第1章绪论11.1数据挖掘的概念11.2数据挖掘的历史及发展11.3数据挖掘的研究内容及功能51.3.1数据挖掘的研究内容51.3.2数据挖掘的功能61.4数据挖掘的常用技术及工具91.4.1数据挖掘的常用技术91.4.2数据挖掘的工具121.5数据挖掘的应用热点121.6小结14思考题15第2章数据预处理162.1数据预处理的目的162.2数据清理182.2.1填充缺失值182.2.2光滑噪声数据182.2.3数据清理过程192.3数据集成和数据变换202.3.1数据集成202.3.2数据变换212.4数据归约232.4.1数据立方体聚集232.4.2维归约232.4.3数据压缩242.4.4数值归约252.4.5数据离散化与概念分层282.5特征选择与提取302.5.1特征选择302.5.2特征提取312.6小结33思考题33第3章关联规则挖掘353.1基本概念353.2关联规则挖掘算法——Apriori算法原理363.3Apriori算法实例分析383.4Apriori算法源程序分析413.5Apriori算法的特点及应用503.5.1Apriori算法特点503.5.2Apriori算法应用513.6小结52思考题52第4章决策树分类算法544.1基本概念544.1.1决策树分类算法概述544.1.2决策树基本算法概述544.2决策树分类算法——ID3算法原理564.2.1ID3算法原理564.2.2熵和信息增益574.2.3ID3算法594.3ID3算法实例分析604.4ID3算法源程序分析644.5ID3算法的特点及应用724.5.1ID3算法特点724.5.2ID3算法应用724.6决策树分类算法——C4.5算法原理734.6.1C4.5算法734.6.2C4.5算法的伪代码754.7C4.5算法实例分析764.8C4.5算法源程序分析774.9C4.5算法的特点及应用1014.9.1C4.5算法特点1014.9.2C4.5算法应用1014.10小结102思考题102第5章贝叶斯分类算法1035.1基本概念1035.1.1主观概率1035.1.2贝叶斯定理1045.2贝叶斯分类算法原理1055.2.1朴素贝叶斯分类模型1055.2.2贝叶斯信念网络1075.3贝叶斯算法实例分析1105.3.1朴素贝叶斯分类器1105.3.2BBN1125.4贝叶斯算法源程序分析1145.5贝叶斯算法特点及应用1195.5.1朴素贝叶斯分类算法1195.5.2贝叶斯信念网120思考题121第6章人工神经网络算法1226.1基本概念1226.1.1生物神经元模型1226.1.2人工神经元模型1236.1.3主要的神经网络模型1246.2BP算法原理1266.2.1Delta学习规则的基本原理1266.2.2BP网络的结构1266.2.3BP网络的算法描述1276.2.4标准BP网络的工作过程1296.3BP算法实例分析1306.4BP算法源程序分析1346.5BP算法的特点及应用1436.5.1BP算法特点1436.5.2BP算法应用1446.6小结145思考题145第7章支持向量机146

保留原有所有功能，新增直接从mapinfo图层输出googleearthkml文件的工具。
Mapinfo2Googleearth将ADA_CDMATool基础上生成的CDMA_Cell_Map_NB图层直接转为googleearth的kml文件。
kml保留扇区的三叶草图形，全向站用六边形标识。
///////原有功能/////////ADACDMAToolHelp扇区信息表格式 扇区信息表：CdmaCellInfo.xls。
“Bearing”列为方位角，“radius”列为半径，“FREQ”列为不同频率，“H_BeamWidth”为扇区水平瓣宽，“Longitude”经度，“Latitude”纬度。
“扇区类型”列用“射频拉远”标识是否RRU站。
“基站名”列标识站名或者射频拉远站的施主站名。
“物理地址”列标识实际站点站名。
“NeighborNumber”列保存对应扇区的邻小区数。
“N01”记录第一个邻小区的小区号，必须放在第24列。
MakeCell用来生成扇区结构的mapinfo图层，用不同的方位角和半径来区分同一物理地址不同频点的扇区。
扇区信息表：CdmaCellInfo.xls，放在和本插件同一目录下。
并在同一目录下生成图层CDMA_Cell_Map_NB。
下图即为生成的基站扇区图，圆形为全向站（包括室分系统）注：以下所有的工具均需要在生成的CDMA_Cell_Map_NB图层上工作！RRULine 用来生成RRU站和施主站之间的连线。
用箭头工具点击扇区，如果扇区是RRU站则画出其与施主站之间的连线。
用RECT工具进行区域选择，程序会将区域范围内的RRU站与施主站之间连线。
DrawRRULineall 一次性生成CDMA_Cell_Map_NB图层中所有RRU站与其施主站间的连线。
注：生成全网的RRU联线，所需时间较长。
FindPN 用来查找CDMA_Cell_Map_NB图层中所有指定PN的扇区，填充颜色并标注PN。
可以用此来检查PN复用距离。
下图为findPN274的结果，标注PN274并红色填充对应扇区。
NBCheck 显示所选择扇区的所有邻小区并用颜色填充。
可以用此来查看是否有明显的PN漏配。
如果点击选择的位置有多个扇区时，会弹出选择对话框供用户确定扇区。
PNOneWayCheck点击图层，输出所点击扇区的邻小区重复PN信息，或者多余邻小区信息（多余邻小区为小区号已经不在现网中）。
注：PNOneWay和Twoway与某一地点的覆盖有很大关系，并不仅仅是邻小区设置的问题，程序中只是检查了基站邻小区的PN是否有重复PNTwoWayCheck 检查所点击扇区的邻小区、所有二次邻小区（邻小区的邻小区）之间的PN是否有重复。
如果二次邻小区PN重复，则可能存在PNTwoway的风险print出PNTwoway点位的Cell信息，在map上连线，显示造成Twoway的邻小区路径。
注：此程序运行时间视邻小区个数与PN重复数有关，在2min~10min左右注：PNOneWay和Twoway与某一地点的覆盖有很大关系，并不仅仅是邻小区设置的问题，程序中检查了基站邻小区、所有二次邻小区的PN是否有重复PNTwoWayCheck2 检查所点击扇区的邻小区与二次邻小区之间的PN复用关系，不检查二次邻小区之间的复用关系。
用不同的颜色填充和连线显示出可能存在的PNTwoWay，此工具检查出来的PNTwoWay结果比PNTwoWayCheck检查出来的结果更有风险。
话统数据分析 选择需要分析的数据列，或者输入需要分析的数据列（输入的列名要与CdmaCellInfo.xls中的列名完全一致），输入分析数据的最大值和5类层级的填充颜色和范围。
用不同的颜色标识属于不同范围的扇区，并用图示标识出来。

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。