此PHP-SDK是改进后版本(相对于本人之前上传的),改进有以下几点:1)新增部分外部联系人处理的SDK代码(截止到目前,企业微信官方SDK中没有关于外部联系人处理的SDK代码)2)新增外部联系人回调事件处理3)修改并纠正了部分语法问题4)修改了原SDK的回调类中的验证回调url有效性,加密方法,解密方法(根据企业微信官方修改记录所做的同步修改,并测试有效)5)具体可参照本人CSDN的两篇博客,博客中会着重说明本人在开发时遇到的问题及其解决方案,包括注意事项,一篇企业应用开发(已发表),一篇企业外部联系人回调事件(待发表/近期发表,注意更新)

该代码使用Tensorflowr1.7在Ubuntu14.04下使用Python2.7和Python3.5进行测试。
代码中包含测试用例。
模型使用固定图像标准化。
在中科院自动化所，WebFace数据集已经被用于训练。
该面部检测后，该训练集包括总共453453个图像，超过10575个身份。
如果在训练之前过滤了数据集，则可以看到一些性能改进。
有关如何完成此操作的更多信息将在稍后提供。
性能最佳的模型已经在VGGFace2数据集上进行了训练，该数据集由~3.3M面和~9000个类组成。
提供了几个预训练模型。
请注意，模型的输入图像需要使用固定图像标准化进行标准化

一门专业课要求用python实现k-匿名，在github上找的源码发现都不太符合问题，于是就自己改进了一下，算是个小demo吧，在python2下可以成功跑通，直接运行final.py，数据信息存在.csv

二维下料问题的启发式算法，一种新的改进算法

改进网上基于划分法k-means的聚类算法，可以预设一个最大的类数和一个半径，自动划分合适的类。

现代设备技术水平不断提高，生产率、自动化要求越来越高，相应地，故障也随之增加。
变压器作为电力系统中非常复杂而且非常重要的设备，其工作状态对电力系统、企事业单位生产及居民生活具有十分重要的影响。
如何提前对变压器故障进行预测和在故障发生后迅速判断故障原因是提高工作效率、减少经济损失的一个重要途径。
因此研究变压器故障诊断对保证系统安全、可靠、经济运行，提高经济效益具有重要意义。
本文针对传统故障诊断的若干弊病，提出了将神经网络用于变压器故障诊断系统。
传统的故障诊断方法大多是以领域专家和操作者的启发性经验知识为核心，知识获取困难、推理效率低下、自适应能力差，并且常见的诊断方法常常由于其单一性而存在一定的误差。
同时由于故障征兆和故障类型之间常常存在复杂的非线性关系，使得诊断系统的数学模型很难获取。
而人工神经网络以其分布式并行处理、自适应、自学习、联想记忆以及非线性映射等优点，为解决这一问题开辟了新途径。
鉴于此，在开发变压器故障诊断系统时，将神经网络作为故障分类器进行设计。
本文首先分析了故障诊断和神经网络的基本理论，并在此基础上提出了神经网络对于变压器故障诊断系统的适用性;文中将BP神经网络算法用计算机实现;并针对其本身存在的一些缺点提出了一系列改进措施，通过在修正权值的时候增加动量项，并且限制输入值范围来减小误差、提高系统的诊断正确率;在对输入数据进行归一化处理的时候，采取按类逐项归一化的方法，避免了输入数据出现0或者1而使训练进入平坦区。
这样可以大大提高系统的诊断效率和诊断正确率。
将变压器诊断中典型的油中气体分析法和神经网络方法相结合，采用Java语言开发出界面友好、性能优秀的变压器故障诊断系统;此外，文中还详细探讨了网络各结构参数的选择方法，并且就变压器这一实际诊断系统，分析了不同结构参数对系统误差的影响。
在文章的最后，总结了神经网络故障诊断系统的优秀性能以及它存在的不足，并且分析了未来神经网络用于故障诊断的前景和发展方向。
关键词故障诊断；
神经网；
BP算法；
变压器油中气体分析

基于加汉宁窗的FFT高精度谐波检测改进算法_王刘旺

AnyBody人体建模仿真系统是计算机辅助人类工效学和生物力学分析软件，其计算人体对于环境的生物力学响应，为人机工程学产品性能改进和生物医学工程研究提供了一个新颖的平台。
作为人体建模仿真分析的革命性软件，使人类工效学成为一门定量的学科。
AnyBody软件系统是商业化软件中唯一兼具人机工程和生物力学的分析软件，其可以通过导入完整的人体肌肉骨骼模型，用于产品的人类工效学设计。

清华大学电子系微机原理课程设计题目。
4人合作完成。
包含CPU的VHDL、Verilog源代码、仿真文件、波形结果、系统框图、实验报告、以及一个简易汇编器的源代码和可执行文件。
Quartus仿真实现了32位RISC微处理器，支持数据处理（包括乘除法），数据传送，子程序调用，中断及跳转。
时序仿真主频可达70MHz。
采用Tomasulo算法处理指令流水中的数据相关，并提出了一种对Tomasulo就够的改进。
设计了Cache结构提高访存效率。

改进的蚂蚁聚类算法，可运行。

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。