这本书提供了充分的代表性逆合成孔径雷达（ISAR）成像，这是一种流行和重要的雷达信号处理工具。
本书涵盖了所有可能的ISAR成像方面。
这本书提供了一个介绍了专家组的逆问题和合成孔径雷达（SAR）提出的问题之前，信号处理技术和雷达基本相当。
如高分辨率SAR的重要概念，脉冲压缩和图像构成连同相关的MATLAB代码。
ISAR成像的基本原理后，这本书提供了相关的MATLAB函数和代码成像ISAR成像的详细程序。
ISAR成像，多个成像技巧和微调，如零填充和窗口程序，以提高图像的质量也被提出。
最后，逆合成孔径雷达图像中的各种实际应用，如成像天线平台散射的，是在单独的一章。
所有这些算法，MATLAB代码和数字都包括在内。
最后一章考虑了在ISAR成像的先进理念和发展趋势。
本书涵盖了所有可能的ISAR成像方面。
这本书提供了一个介绍了专家组的逆问题和合成孔径雷达（SAR）提出的问题之前，信号处理技术和雷达基本相当。
如高分辨率SAR的重要概念，脉冲压缩和图像构成连同相关的MATLAB代码。
ISAR成像的基本原理后，这本书提供了相关的MATLAB函数和代码成像ISAR成像的详细程序。
ISAR成像，多个成像技巧和微调，如零填充和窗口程序，以提高图像的质量也被提出。
最后，逆合成孔径雷达图像中的各种实际应用，如成像天线平台散射的，是在单独的一章。
所有这些算法，MATLAB代码和数字都包括在内。
最后一章考虑了在ISAR成像的先进理念和发展趋势。
2018/6/27 4:24:55
8.75MB
1
ARMA、ARIMA、AR、MA均是时间序列的重要方法。
此例程中包含了以上一切的实现过程，java实现的，且含有main函数供自行调试，已亲测可用！
此例程中包含了以上一切的实现过程，java实现的，且含有main函数供自行调试，已亲测可用！
2022/9/6 18:11:54
8.83MB
1
（含源码及报告）本程序分析了自2016年到2021年（外加）每年我国原油加工的产量，并且分析了2020年全国各地区原油加工量等，含饼状图，柱状图，折线图，数据在地图上显示。
运转本程序需要requests、bs4、csv、pandas、matplotlib、pyecharts库的支持，如果缺少某库请自行安装后再运转。
文件含6个excel表，若干个csv文件以及一个名字为render的html文件（需要用浏览器打开），直观的数据处理部分是图片以及html文件，可在地图中显示，数据处理的是excel文件。
不懂可以扫文件中二维码在QQ里面问。
运转本程序需要requests、bs4、csv、pandas、matplotlib、pyecharts库的支持，如果缺少某库请自行安装后再运转。
文件含6个excel表，若干个csv文件以及一个名字为render的html文件（需要用浏览器打开），直观的数据处理部分是图片以及html文件，可在地图中显示，数据处理的是excel文件。
不懂可以扫文件中二维码在QQ里面问。
2022/9/30 16:31:44
29.75MB
1
大斜视角的SAR成像RD快速算法，处理了斜视角比较大的情况
2018/9/22 3:11:14
1.98MB
1
ARIMA预测模型训练集和预测集ARIMA模型全称为自回归积分滑动平均模型(AutoregressiveIntegratedMovingAverageModel,简记ARIMA)，是由博克思(Box)和詹金斯(Jenkins)于70年代初提出一著名时间序列（Time-seriesApproach）预测方法[1]，所以又称为Box-Jenkins模型、博克思-詹金斯法。
其中ARIMA（p，d，q）称为差分自回归移动平均模型，AR是自回归，p为自回归项；
MA为移动平均，q为移动平均项数，d为时间序列成为平稳时所做的差分次数。
所谓ARIMA模型，是指将非平稳时间序列转化为平稳时间序列，然后将因变量仅对它的滞后值以及随机误差项的现值和滞后值进行回归所建立的模型。
ARIMA模型根据原序列能否平稳以及回归中所含部分的不同，包括移动平均过程（MA）、自回归过程（AR）、自回归移动平均过程（ARMA）以及ARIMA过程。
其中ARIMA（p，d，q）称为差分自回归移动平均模型，AR是自回归，p为自回归项；
MA为移动平均，q为移动平均项数，d为时间序列成为平稳时所做的差分次数。
所谓ARIMA模型，是指将非平稳时间序列转化为平稳时间序列，然后将因变量仅对它的滞后值以及随机误差项的现值和滞后值进行回归所建立的模型。
ARIMA模型根据原序列能否平稳以及回归中所含部分的不同，包括移动平均过程（MA）、自回归过程（AR）、自回归移动平均过程（ARMA）以及ARIMA过程。
2017/5/23 20:02:29
2KB
1
ConvolutionalNeuralNetwork(CNN)ThistutorialdemonstratestrainingasimpleConvolutionalNeuralNetwork(CNN)toclassifyCIFARimages.BecausethistutorialusestheKerasSequentialAPI,creatingandtrainingyourmodelwilltakejustafewlinesofcode.
2015/2/10 7:56:13
312KB
1
该自述文件由Travis-CI在2021年2月20日世界标准时间自动生成。
该存储库收集有关Collaboratorium中的演示的知识。
CollaboratoriumPC使用用户帐户Collab安装了Windows10。
有关相应的密码，请sharepoint上的（需要登录）。
要实际访问Collab，请向Maarten索要他的钥匙。
或者，检查Karima旁边的钥匙柜以获取共享钥匙。
或提供了SURFsara的协作方法。
您可以在找到协作者的议程。
可以通过发送电子邮件至进行预订；
引见了如何将Collab议程添加到Outlook。
可以在找到有关建立Skype会议的说明；
Collab演示概述：姓名演示版文档截屏代码引见1.点:cross_mark::cross_mark:2.ahn23.判例法分析:cross_mark::cross_mark:4.生态学注释用户界面
该存储库收集有关Collaboratorium中的演示的知识。
CollaboratoriumPC使用用户帐户Collab安装了Windows10。
有关相应的密码，请sharepoint上的（需要登录）。
要实际访问Collab，请向Maarten索要他的钥匙。
或者，检查Karima旁边的钥匙柜以获取共享钥匙。
或提供了SURFsara的协作方法。
您可以在找到协作者的议程。
可以通过发送电子邮件至进行预订；
引见了如何将Collab议程添加到Outlook。
可以在找到有关建立Skype会议的说明；
Collab演示概述：姓名演示版文档截屏代码引见1.点:cross_mark::cross_mark:2.ahn23.判例法分析:cross_mark::cross_mark:4.生态学注释用户界面
2019/1/7 1:57:50
43.75MB
1
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。
2024-04-09 15:03
15KB