《模拟CMOS集成电路设计》介绍模拟CMOS集成电路的分析与设计。
从直观和严密的角度阐述了各种模拟电路的基本原理和概念，同时还阐述了在SOC中模拟电路设计遇到的新问题及电路技术的新发展。
《模拟CMOS集成电路设计》由浅入深，理论与实际结合，提供了大量现代工业中的设计实例。
全书共18章。
前10章介绍各种基本模块和运放及其频率响应和噪声。
第11章至第13章介绍带隙基准、开关电容电路以及电路的非线性和失配的影响，第14、15章介绍振荡器和没相环。
第16章至18章介绍MOS器件的高阶效应及其模型、CMOS制造工艺和混合信号电路的版图与封装。
从直观和严密的角度阐述了各种模拟电路的基本原理和概念，同时还阐述了在SOC中模拟电路设计遇到的新问题及电路技术的新发展。
《模拟CMOS集成电路设计》由浅入深，理论与实际结合，提供了大量现代工业中的设计实例。
全书共18章。
前10章介绍各种基本模块和运放及其频率响应和噪声。
第11章至第13章介绍带隙基准、开关电容电路以及电路的非线性和失配的影响，第14、15章介绍振荡器和没相环。
第16章至18章介绍MOS器件的高阶效应及其模型、CMOS制造工艺和混合信号电路的版图与封装。
2024/10/10 1:12:34
15.96MB
1
Powell算法原理以及相关代码，里面有一个讲解Powell算法的pdf和两个代码，分别是基本Powell和改进Powell，一维搜索方法为黄金分割法，搜索区域获取为进退法。
含大量注释，自学编写的，用于解pdf里面的方程。
如果有问题，请及时联系我，谢谢！！！
含大量注释，自学编写的，用于解pdf里面的方程。
如果有问题，请及时联系我，谢谢！！！
2024/10/9 9:47:21
136KB
1
SLIC：simplelineariterativeclustering的简称，即简单的线性迭代聚类。
这是一个基于聚类算法的超像素分割，由LAB空间以及x、y像素坐标共5维空间来计算。
不仅可以分割彩色图，也可以兼容分割灰度图，它还有一个优点就是可以人为的设置需要分割的超像素的数量。
这是一个基于聚类算法的超像素分割，由LAB空间以及x、y像素坐标共5维空间来计算。
不仅可以分割彩色图，也可以兼容分割灰度图，它还有一个优点就是可以人为的设置需要分割的超像素的数量。
2024/10/8 8:38:32
24KB
1
资源包含有DLL、LIB、H文件可根据需求程序调用函数接口来使用动态库其功能点有两个：识别QR-Code格式的二维码——QR_Code(IplImage*Image,char*Information);识别Data-Matrix格式的二维码——Data_Matrix(IplImage*Image,char*Information);版权望断所有，下载请私用！
2024/10/7 17:50:42
653KB
1
1kHz，2mJ，45fs，800nm激光脉冲通过次饱和区（相对湿度〜73％，T〜4.3℃）。
激光照射60分钟后，呈椭圆形在灯丝中心正下方观察到雪堆，重约12.0mg。
气流速度涡流的边缘估计为〜16.5cm/s。
从侧面看录制的分散场景灯丝引起的湍流是在云室内形成的，灯丝下方有两个涡流。
在云室的两个横截面中的气流运动的二维模拟证实了灯丝下方存在湍流涡流。
基于此模拟，我们推断出涡流确实具有三维椭圆形。
因此，我们建议在湿度过饱和的内部涡流中或饱和的凝结核，即HNO3，N2+，O2+和其他气溶胶和杂质被激活并扩大了规模。
最终，大颗粒会沿着快速移动的方向朝旋转方向旋转。
冷板并在末端形成一个椭圆形的雪堆。
激光照射60分钟后，呈椭圆形在灯丝中心正下方观察到雪堆，重约12.0mg。
气流速度涡流的边缘估计为〜16.5cm/s。
从侧面看录制的分散场景灯丝引起的湍流是在云室内形成的，灯丝下方有两个涡流。
在云室的两个横截面中的气流运动的二维模拟证实了灯丝下方存在湍流涡流。
基于此模拟，我们推断出涡流确实具有三维椭圆形。
因此，我们建议在湿度过饱和的内部涡流中或饱和的凝结核，即HNO3，N2+，O2+和其他气溶胶和杂质被激活并扩大了规模。
最终，大颗粒会沿着快速移动的方向朝旋转方向旋转。
冷板并在末端形成一个椭圆形的雪堆。
2024/10/7 11:51:11
1.98MB
1
（12）电子水准手簿（支持天宝、徕卡、索佳、拓普康型号水准计算并进行单测线闭合差分配，并可生成科傻、清华山维、南方平差易等平差原文件）（13）电子水准观测数据模拟（支持天宝DINI03、徕卡DNA03）.
2024/10/7 1:49:53
9.32MB
1
CroppedYale人脸数据降维的MATLAB代码，使用PCA，SVD和MATLAB自带的PCA对比时间、准确度，可以直接运行。
对比中心化给PCA带来的影响；
对比PCA与SVD的异同；
选取合适的维度k，并观察k个特征向量对应的图像；
对比自己实现的PCA算法与matlab自带的PCA函数的性能
对比中心化给PCA带来的影响；
对比PCA与SVD的异同；
选取合适的维度k，并观察k个特征向量对应的图像；
对比自己实现的PCA算法与matlab自带的PCA函数的性能
2024/10/6 14:15:31
787KB
1
该资源主要参考我的博客：[python]Kmeans文本聚类算法+PAC降维+Matplotlib显示聚类图像http://blog.csdn.net/eastmount/article/details/50545937包括输入文档txt，共1000行数据，每行都是分词完的文本。
本文主要讲述以下几点：1.通过scikit-learn计算文本内容的tfidf并构造N*M矩阵(N个文档M个特征词)；
2.调用scikit-learn中的K-means进行文本聚类；
3.使用PAC进行降维处理，每行文本表示成两维数据；
4.最后调用Matplotlib显示聚类效果图。
免费资源，希望对你有所帮助~ByEastmount
本文主要讲述以下几点：1.通过scikit-learn计算文本内容的tfidf并构造N*M矩阵(N个文档M个特征词)；
2.调用scikit-learn中的K-means进行文本聚类；
3.使用PAC进行降维处理，每行文本表示成两维数据；
4.最后调用Matplotlib显示聚类效果图。
免费资源，希望对你有所帮助~ByEastmount
2024/10/5 19:41:34
247KB
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