09/9获全国大学生电子大赛设计（H题）二等奖源程序采用的是二分法算法，以89S52单片机为主要控制器件，在keil下打开,通过由光敏二极管制成的光笔读取LED点阵信号和键切换功能，从而在显示屏上实现“点亮、划亮、反显、整屏擦除、笔画擦除、连写多字、对象拖移”等书写显示功能。
2025/1/6 7:10:28
1.2MB
1
具体做法：1.在一个圆中，假设圆心为坐标轴原点，那么，一个弧长对应的角度的正弦和余弦值分别可以表示水平和垂直方向上面的分量2.角度的求法，弧长/半径=弧度弧度/2π=角度/360幸运的是，在CG函数中本来就是用的弧度作为输入参数的，所以这部分可以忽略3.坐标轴原点的平移。
将坐标轴原点作为一个变量，其实就是水平方向X上面的变量实时的计算，垂直方向Y上面不变。
将坐标轴原点作为一个变量，其实就是水平方向X上面的变量实时的计算，垂直方向Y上面不变。
2025/1/6 4:17:38
3.42MB
1
求解线性⽅方程组Ax=b，其中A为nxn维的已知矩阵，b为n维的已知向量，x为n维的未知向量。
(1)Jacobi迭代法。
(2)Gauss-Seidel迭代法。
(3)逐次超松弛迭代法。
(4)共轭梯度法。
A为对称正定矩阵，其特征值服从独⽴同分布的[0,1]间的均匀分布;b中的元素服从独立同分布的正态分布。
令n=10、50、100、200，分别绘制出算法的收敛曲线，横坐标为迭代步数，纵坐标为相对误差。
比较Jacobi迭代法、Gauss-Seidel迭代法、逐次超松弛迭代法、共轭梯度法与高斯消去法、列主元消去法的计算时间。
改变逐次超松弛迭代法的松弛因⼦，分析其对收敛速度的影响。
(1)Jacobi迭代法。
(2)Gauss-Seidel迭代法。
(3)逐次超松弛迭代法。
(4)共轭梯度法。
A为对称正定矩阵，其特征值服从独⽴同分布的[0,1]间的均匀分布;b中的元素服从独立同分布的正态分布。
令n=10、50、100、200，分别绘制出算法的收敛曲线，横坐标为迭代步数，纵坐标为相对误差。
比较Jacobi迭代法、Gauss-Seidel迭代法、逐次超松弛迭代法、共轭梯度法与高斯消去法、列主元消去法的计算时间。
改变逐次超松弛迭代法的松弛因⼦，分析其对收敛速度的影响。
2025/1/6 4:34:36
4KB
1
提取有效的特征一直是笔迹鉴别的关键问题，针对传统Gabor滤波器特征提取方法存在的不足，充分利用Gabor滤波系数间的相关关系，提出一种融合全局特征和局部特征的特征提取方法。
该方法先通过字符笔画的方向梯度直方图（HOG）来优化Gabor滤波器的角度参数，再利用高斯马尔科夫随机场（GMRF）模型对Gabor滤波图像中的不同局部结构信息进行描述，最终得到笔迹图像的整体特征。
以楷书四大家的真迹样本和收集的英文手稿作为实验数据，采用最小加权欧式距离分类器对笔迹样本进行分类，通过五重交叉验证法分别得到97.6%和88.3%的正确分类率，表明该方法提取的特征具有较强的笔迹表征能力，是一种有效的笔迹特征提取方法。
该方法先通过字符笔画的方向梯度直方图（HOG）来优化Gabor滤波器的角度参数，再利用高斯马尔科夫随机场（GMRF）模型对Gabor滤波图像中的不同局部结构信息进行描述，最终得到笔迹图像的整体特征。
以楷书四大家的真迹样本和收集的英文手稿作为实验数据，采用最小加权欧式距离分类器对笔迹样本进行分类，通过五重交叉验证法分别得到97.6%和88.3%的正确分类率，表明该方法提取的特征具有较强的笔迹表征能力，是一种有效的笔迹特征提取方法。
2025/1/3 11:20:23
932KB
1
计算机网络基础课程复习资源，包括考点总结+课程ppt详解（适用于机械工业出版社第七版——自顶向下法）
2025/1/2 7:31:55
17.37MB
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