本文基于传统的LPC倒谱特征和KC复杂性特征建立了一个说话人确认系统，采用了YOHOspeakerverifiea:ion数据库，Enroll阶段:采用238说话人4个session每个Sessi。
n有10个语音样本数据，Verify阶段:采用138说话人10个Session每个session有4个语音样本数据，训练模板和测试该说话人确认系统，取得了较好的说话人确认效果。

最优化问题教材---无论做任何一件事，人们总希望以最少的代价取得最大的效益，也就是力求最好，这就是优化问题．最优化就是在一切可能的方案中选择一个最好的方案以达到最优目标的学科．例如，从甲地到乙地有公路、水路、铁路、航空四种走法，如果我们追求的目标是省钱，那么只要比较一下这四种走法的票价，从中选择最便宜的那一种走法就达到目标．这是最简单的最优化问题，实际优化问题一般都比较复杂．概括地说，凡是追求最优目标的数学问题都属于最优化问题．作为最优化问题，一般要有三个要素：第一是目标；
第二是方案；
第三是限制条件．而且目标应是方案的“函数”．如果方案与时间无关，则该问题属于静态最优化问题；
否则称为动态最优化问题．

VC取得磁盘类型和相关信息.visualc++

摘要：基于构件的开发（CBD）观念已广泛应用于软件开发中，便于构件的重用。
众所周知的CBD体系结构有ActiveX,CORBA,RMI以及SOAP等。
文章主要通过与传统软件开发方法的比较研究支持基于CBD的实践，同时也评价了面向对象的过程模型以及提出了一种新型的基于CBD的软件开发过程模型，并探讨了仓储的重要概念。
关键字：构件重用；
基于构件的开发；
软件开发过程；
仓储1.引言软件重用的观念起源于制造业和土木工程领域，通过配件组装汽车、砖瓦搭建房屋就是很好的例子，基于配件的产品在市场上已取得了很大的成功。
软件公司采用同样的方式开发软件，通过软件配件的方式使他们在市场上取得了成功，软件配件是通过包的

采用形态学的方式对灰度图像进行处理是一种较新的处理方式！在一定情况下，可以取得极好的效果！

介绍了一种新的非平稳信号分析方法———局部均值分解(Localmeandecomposition,简称LMD)。
LMD方法可以自适应地将任何一个复杂信号分解为若干个具有一定物理意义的PF(Productfunction)分量之和,其中每个PF分量为一个包络信号和一个纯调频信号的乘积,从而获得原始信号完整的时频分布。
本文首先介绍了LMD方法,然后将LMD方法对仿真信号进行了分析,取得了满意的效果,最后将其和经验模式分解EMD(Empiricalmodedecomposition)方法进行了对比,结果表明在端点效应、迭代次数等方面LMD方法要优于EMD方法。

Matlab功率谱估计的详尽分析——绝对原创功率谱估计是信息学科中的研究热点,在过去的30多年里取得了飞速的发展。
现代谱估计主要是针对经典谱估计(周期图和自相关法)的分辨率低和方差性能不好的问题而提出的。
其内容极其丰富,涉及的学科和领域也相当广泛,按是否有参数大致可分为参数模型估计和非参数模型估计,前者有AR模型、MA模型、ARMA模型、PRONY指数模型等;后者有最小方差方法、多分量的MUSIC方法等。
ARMA谱估计叫做自回归移动平均谱估计,它是一种模型化方法。
由于具有广泛的代表性和实用性,ARMA谱估计在近十几年是现代谱估计中最活跃和最重要的研究方向之一。
二：AR参数估计及其SVD—TLS算法。
谱分析方法要求ARMA模型的阶数和参数以及噪声的方差已知.然而这类要求在实际中是不可能提供的,即除了一组样本值x(1),x(2),…,x(T)以供利用(有时会有一定的先验知识)外,再没有其它可用的数据.因此必须估计有关的阶数和参数,以便获得谱密度的估计.在ARMA定阶和参数之估计中,近年来提出了一些新算法，如本文介绍的SVD—TLS算法便是其中之一。
三：实验结果分析和展望1，样本数多少对估计误差的影响。
（A=[1,0.8,-0.68,-0.46]）图1上部分为N=1000；
下部分为取相同数据的前N=50个数据产生的结果。
图1N数不同：子图一N=1000,子图二N=200，子图三N=50由图可知，样本数在的多少，在对功率谱估计的效果上有巨大的作用，特别在功率谱密度函数变化剧烈的地方，必须有足够多的数据才能完整的还原原始功率谱密度函数。
2，阶数大小对估计误差的影响。
A=[1,-0.9,0.76]A=[1,-0.9,0.76,-0.776]图二阶数为二阶和三阶功率密度函数图A=[1,-0.9,0.86,-0.96,0.7]A=[1,-0.9,0.86,-0.96,0.7,-0.74]图三阶数为三阶和四阶功率密度函数图如图所示，阶数相差不是很大时，并不能对结果产生较大的影响。
但是阶数太低，如图二中二阶反而不能很好的估计出原始值。
3，样本点分布对估计误差对于相同的A=[1,-0.9,0.86,-0.96,0.7]；
样本的不同，在估计时的误差是不可避免的。
因此，我们在取得样本时，应该尽可能的减少不必要的误差。
图四：不同的样本得到不同的估计值4，奇异值的阈值判定范围不同对结果的影响。
上图是取奇异值的阈值大于等于0.02，而下图是取阈值大于等于0.06，显然在同种数据下，阈值的选取和最终结果有密切关系。
由于系数矩阵和其真实值的逼近的精确度取决于被置零的那些奇异值的平方和。
所以选取太小，导致阶数增大，选取太大会淘汰掉真实的系数。
根据经验值，一般取0.05左右为最佳。

由于项目的需要,参照这儿这儿朋友的一些原码写的一个基于Socket的FTP登陆Class.　修正点'　　　改正了原Class不能正常运行Linux系Ftp的BUG　　　可能实行PortMode数据传送　　　加强了接口.调用参照'curFtpClent=newFtpClient();//HostURLcurFtpClent.HostUrl=this._NfitsConfigDataCopy.DownloadURI;//サーバのサーバフォルダcurFtpClent.RemotesubDir=genreInfo.GetDownDir();//ログインユーザcurFtpClent.LoginUser=this._NfitsConfigDataCopy.DownloadUser;//curFtpClent.PassWord=this._NfitsConfigDataCopy.DownloadPassword;curFtpClent.LocalDir=genreInfo.ContentTempDirectory;curFtpClent.PasvMode=(this._NfitsConfigDataCopy.FtpPASV?FtpDataTransMode.Pasv:FtpDataTransMode.Port);//取得ファイルリストを取得するcurFileCount=curFtpClent.DownLoad();curFtpClent.DisConnect();

input{jdbc{#是否记录上次执行结果,如果为真,将会把上次执行到的tracking_column字段的值记录下来,保存到last_run_metadata_path指定的文件中record_last_run=＞true#是否需要记录某个column的值,如果record_last_run为真,可以自定义我们需要track的column名称，此时该参数就要为true.否则默认track的是timestamp的值.use_column_value=＞true#如果use_column_value为真,需配置此参数.track的数据库column名,该column必须是递增的.比如：ID.tracking_column=＞MY_ID#指定文件,来记录上次执行到的tracking_column字段的值#我们只需要在SQL语句中WHEREMY_ID＞:last_sql_value即可.其中:last_sql_value取得就是该文件中的值(10000).last_run_metadata_path=＞"/etc/logstash/run_metadata.d/my_info"#是否清除last_run_metadata_path的记录,清除相当于从头开始查询所有的数据库记录clean_run=＞false#是否将column名称转小写lowercase_column_names=＞false#存放需要执行的SQL语句的文件位置statement_filepath=＞"/etc/logstash/statement_file.d/my_info.sql"}}

极端气候计算软件，受到WMO等国际机构支持与认可，由加拿大等科研机构研发的RCLIMDEX软件在国际极端气候研究领域已经取得显著的影响，国内的相关研究正在增加之中。
据介绍，RCIMDEX是属于CLIMDEX软件系列（另有EXCEL宏命令版、FORTRAN版FCLIMDEX），目前的版本为2004年研制，原本的开发语言为S语言，后改为开放的R语言。
现上传本人下载于pudn的rclimdex以及本人搜索于网海的rclimdex版。
有点奇怪的是，该软件虽是自由软件（仍须遵守有关许可），但官网似乎难以下载，且未提供直接注册。
按官网提示，须到一个延伸网站注册。
尽管看似不难下载，但对我仍有些网海捞针（不包括pudn下载的climdex），这是我的玩笑说法。
网友们也不妨捞捞看，也许是小菜一碟。
注册使用是开发者的愿望，有使用想法的朋友可以前往注册下载。
本人并未运行，有兴趣的朋友可对两者进行比对。
此帖与本站FORTRAN栏目《计算27项极端气候指数的FCLIMDEX软件（含多个fortran源程序）》及《气候统计》栏目的《R语言软件、实例源代码与R程序用法下载—气候统计工具的潜力股》关系密切，可一并阅读。
此帖与本站FORTRAN栏目《计算27项极端气候指数的FCLIMDEX软件（含多个fortran源程序）》及《气候统计》栏目的《R语言软件、实例源代码与R程序用法下载—气候统计工具的潜力股》关系密切，可一并阅读。
注：以下内容摘自硕士论文《内蒙古地区极端气候事件时空变化及其与NDVI的相关性》（使用RCLIMDEX软件，论文列出了27项极端指数中的15项中文译名）

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。