大三时候asp.net期末作业，功能基本实现，只是数据没怎么填充，后台管理员admin，密码00。
本系统采用C#+sqlserver2005在vs2008平台下开发，全部都是自己手写代码，比较合适学生学习之用，是初学者的不错选择。
（实现旅游信息的发布，修改，删除等，还有旅游路线的等，有旅馆住宿信息发布。
特色：采用ckeditor和ckfinder作为信息发布编辑器，实现所见即所得功能，还自动生成静态信息页面，减轻服务器负担。
）
本系统采用C#+sqlserver2005在vs2008平台下开发，全部都是自己手写代码，比较合适学生学习之用，是初学者的不错选择。
（实现旅游信息的发布，修改，删除等，还有旅游路线的等，有旅馆住宿信息发布。
特色：采用ckeditor和ckfinder作为信息发布编辑器，实现所见即所得功能，还自动生成静态信息页面，减轻服务器负担。
）
2025/5/27 5:10:47
5.19MB
1
Catsvs,Dogs的python原创代码，ipynb格式。
图片数据来源https://www.kaggle.com/c/dogs-vs-cats任务如下：Task:Inthiscompetition,you'llwriteanalgorithmtoclassifywhetherimagescontaineitheradogoracat.Thisiseasyforhumans,dogs,andcats.Yourcomputerwillfinditabitmoredifficult.DataDescription:Thetrainingarchivecontains25,000imagesofdogsandcats.Trainyouralgorithmonthesefilesandpredictthelabelsfortest1.zip(1=dog,0=cat).SubmissionFormatYoursubmissionshouldhaveaheader.Foreachimageinthetestset,predictalabelforitsid(1=dog,0=cat):id,label1,02,03,0etc...
图片数据来源https://www.kaggle.com/c/dogs-vs-cats任务如下：Task:Inthiscompetition,you'llwriteanalgorithmtoclassifywhetherimagescontaineitheradogoracat.Thisiseasyforhumans,dogs,andcats.Yourcomputerwillfinditabitmoredifficult.DataDescription:Thetrainingarchivecontains25,000imagesofdogsandcats.Trainyouralgorithmonthesefilesandpredictthelabelsfortest1.zip(1=dog,0=cat).SubmissionFormatYoursubmissionshouldhaveaheader.Foreachimageinthetestset,predictalabelforitsid(1=dog,0=cat):id,label1,02,03,0etc...
2025/5/27 5:16:57
96.84MB
1
相关文件：[mutualinfomation]计算脑电等信号的互信息程序，matlab源代码[runqian-report]润乾报表详细操作手册，方便java开发人员，运维人员作为参考，学习。
[InfoTheory]该文件中包含信息论中的一些信息熵、互信息的计算。
[ant-colony-and-mutual-information]该工具箱描述了基于蚁群算法和互信息进行非线性盲源信号分离[Wavelet_EntropyinformationLZC]脑电处理中，特征提取的几个有用算法程序，包括小波熵、LZC脑电复杂度、互信息等，以上程序，我已将亲自运行，可以通过，便于大家做脑电特征提取，希望对大家有帮助
[InfoTheory]该文件中包含信息论中的一些信息熵、互信息的计算。
[ant-colony-and-mutual-information]该工具箱描述了基于蚁群算法和互信息进行非线性盲源信号分离[Wavelet_EntropyinformationLZC]脑电处理中，特征提取的几个有用算法程序，包括小波熵、LZC脑电复杂度、互信息等，以上程序，我已将亲自运行，可以通过，便于大家做脑电特征提取，希望对大家有帮助
2025/5/27 0:03:24
9KB
1
在移动机器人导航方面，卡尔曼滤波是最常用的状态估计方法。
直观上来讲，卡尔曼滤波器在这里起了数据融合的作用，只需要输入当前的测量值（多个传感器数据）和上一个周期的估计值就能估计当前的状态，这个估计出来的当前状态综合考量了传感器数据（即所谓的观察值、测量值）和上一状态的数据，为当前最优估计，可以认为这个估计出来的值是最可靠的值。
由于我们在SLAM中主要用它做位置估计，所以前面所谓的估计值就是估计位置坐标了，而输入的传感器数据包括码盘推算的位置、陀螺仪的角速度等（当然可以有多个陀螺仪和码盘），最后输出的最优估计用来作为机器人的当前位置被导航算法以外的其他程序所调用。
直观上来讲，卡尔曼滤波器在这里起了数据融合的作用，只需要输入当前的测量值（多个传感器数据）和上一个周期的估计值就能估计当前的状态，这个估计出来的当前状态综合考量了传感器数据（即所谓的观察值、测量值）和上一状态的数据，为当前最优估计，可以认为这个估计出来的值是最可靠的值。
由于我们在SLAM中主要用它做位置估计，所以前面所谓的估计值就是估计位置坐标了，而输入的传感器数据包括码盘推算的位置、陀螺仪的角速度等（当然可以有多个陀螺仪和码盘），最后输出的最优估计用来作为机器人的当前位置被导航算法以外的其他程序所调用。
2025/5/26 18:16:57
128KB
1
非常好的学习资料struts2+spring2.5+hibernate3.2大型项目springmvc
2025/5/26 11:19:09
934KB
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