干涉测量技术以光的波长为度量单位，具有高精度、高灵敏度、和非接触的特点。
特别是20世纪70年代以来，干涉测量技术与现代激光技术、电子技术和计算机技术相结合，极大地提高了测量精度和重复性。
干涉测量已成为实现光学元件面形及微形貌，光学系统波像差，光学材料折射率、应力双折射等参数高精密检测的主要手段。
超精密干涉测量仪器与系统已成为Zygo、Zeiss、Nikon、4DTechnology、QED等企业的核心业务之一。

王劲峰研究员提出的空间分异性探测工具地理探测器免费下载。
如无积分可在官网Geodetector.cn免费下载,也可通过此帖直接下载。
空间分异是自然和社会经济过程的空间表现，也是自亚里士多德以来人类认识自然的重要途径。
地理探测器是探测空间分异性，以及揭示其背后驱动因子的一种新的统计学方法，此方法无线性假设，具有优雅的形式和明确的物理含义。
基本思想是：假设研究区分为若干子区域，如果子区域的方差之和小于区域总方差，则存在空间分异性；
如果两变量的空间分布趋于一致，则两者存在统计关联性。
地理探测器q统计量，可用以度量空间分异性、探测解释因子、分析变量之间交互关系，已经在自然和社会科学多领域应用。
本文阐述地理探测器的原理，并对其特点及应用进行了归纳总结，以利于读者方便灵活地使用地理探测器来认识、挖掘和利用空间分异性

《网络数据的统计分析:R语言实践》简介：互联网、社交网络、病毒营销等事物已经为大众所熟知，网络充斥着我们日常生活的各个方面。
在这样的背景下，网络分析成为了定量科学发展最快的领域之一，其起源可以追溯至20世纪30年代的社会网络分析以及几个世纪前的图论研究。
网络研究离不开对数据的度量与分析，因此统计方法在网络分析中发挥着重要作用。
在网络研究的相关书籍中，《网络数据的统计分析:R语言实践》首次采用了这种统计视角。
从最基本的数据操作和网络可视化，到概括网络的特征，再到对网络数据建立模型，《网络数据的统计分析:R语言实践》用丰富的案例说明了如何利用多个R语言扩展包进行各类网络分析。
R语言扩展包igraph提供了大量用于网络分析的功能，书中以其作为主要的工具。

Druid：为OLAP而生，多快好省高。
•多，可以处理海量的数据，Druid官网说可以扩展到PB级，这个量非常大。
•快，亚秒级响应，官网说10亿量级下做到亚秒响应，我们实际应用也是亚秒响应，实时导入，导入即可查询。
导入了以后我们就可以查询到，这个还是非常非常的牛的。
•好，就是高可用，分布式容错架构，可以做到无宕机。
•省，采用列存储，高效压缩。
我举一下我们的例子，我们原始日志是10亿量级，我们选取16个维度，22个度量值，每天生成的索引是几百兆。
•高，它支持高并发，可以是作为面向用户的应用

influxdb是目前比较流行的时间序列数据库。
何谓时间序列数据库？什么是时间序列数据库，最简单的定义就是数据格式里包含Timestamp字段的数据，比如某一时间环境的温度，CPU的使用率等。
但是，有什么数据不包含Timestamp呢？几乎所有的数据其实都可以打上一个Timestamp字段。
时间序列数据的更重要的一个属性是如何去查询它，包括数据的过滤，计算等等。
Influxdb是一个开源的分布式时序、时间和指标数据库，使用go语言编写，无需外部依赖。
它有三大特性：时序性（TimeSeries）：与时间相关的函数的灵活使用（诸如最大、最小、求和等）；
度量（Metrics）：对实时大量数据进行计算；
事件（Event）：支持任意的事件数据，换句话说，任意事件的数据我们都可以做操作。
同时，它有以下几大特点：schemaless(无结构)，可以是任意数量的列；
min,max,sum,count,mean,median一系列函数，方便统计；
NativeHTTPAPI,内置http支持，使用http读写；
PowerfulQueryLanguage类似sql；
Built-inExplorer自带管理工具。

本文研究了联合SAR影像强度与相干信息的多阈值融合变化检测技术。
针对SAR影像强度和相干信息各自统计分布特点,首先通过选定合适的统计分布模型分别对强度和相干信息进行统计分布拟合,并以Jeffrey距离为差异度量获取强度和相干信息的差异图。
然后利用三种阈值方法分别对两者的差异图进行阈值分割,获得多幅初步的变化结果图。
最后利用马尔科夫随机场进行融合,得到最终的变化检测结果。
实验结果表明该融合策略可以获得比单一阈值法更为稳定的变化检测结果。

StOCNET是个WINDOWS环境下的开放软件系统，适用于社会网络的高级统计分析。
它提供了一个应用多种统计方法的平台，每种统计方法可以以单独模块的形式方便地嵌入其中。
StOCNET包含六个统计模块：（1）BLOCKS，随机块模型；
（2）ULTRAS，使用超度量（Ultrametrics）估计潜在的传递性结构（latenttransitivestructures）；
（3）P2，拟合指数随机图p2模型；
（4）SIENA，纵向网络数据的分析；
（5）ZO，确定随机图统计量的分布概率；
（6）PACNET，构造和拟合基于偏代数结构的结构模型（structuralmodelsbasedonpartialalgebraicstructures）。

这本最畅销的计算机组成书籍经过全面更新，关注现今发生在计算机体系结构领域的革命性变革：从单处理器发展到多核微处理器。
此外，出版这本书的ARM版是为了强调嵌入式系统对于全亚洲计算行业的重要性，并采用ARM处理器来讨论实际计算机的指令集和算术运算，因为ARM是用于嵌入式设备的最流行的指令集架构，而全世界每年约销售40亿个嵌入式设备。
与前几版一样，本书采用了一个MIPS处理器来展示计算机硬件技术、流水线、存储器层次结构以及I/O等基本功能。
此外，本书还包括一些关于x86架构的介绍。
　　本书主要特点　　·采用ARMv6（ARM11系列）为主要架构来展示指令系统和计算机算术运算的基本功能。
　　·覆盖从串行计算到并行计算的革命性变革，新增了关于并行化的一章，并且每章中还有一些强调并行硬件和软件主题的小节。
　　·新增一个由NVIDIA的首席科学家和架构主管撰写的附录，介绍了现代GPU的出现和重要性，首次详细描述了这个针对可视计算进行了优化的高度并行化、多线程、多核的处理器。
　　·描述一种度量多核性能的独特方法——“Rooflinemodel”，自带benchmark测试和分析AMDOpteronX4、IntelXeon5000、SunUltraSPARCT2和IBMCell的性能。
　　·涵盖了一些关于闪存和虚拟机的新内容。
　　·提供了大量富有启发性的练习题，内容达200多页。
　　·将AMDOpteronX4和IntelNehalem作为贯穿本书的实例。
　　·用SPECCPU2006组件更新了所有处理器性能实例。

第1章绪论1．1历史回顾1．2电通信系统的基本组成1．2．1数字通信系统1．2．2数字通信的早期工作1．3通信信道及其特征1．4通信信道的数学模型1．5本书的结构1．6深入学习第2章信号和系统的频域分析2．1傅里叶级数2．1．1实信号的傅里叶级数：三角傅里叶级数2．2傅里叶变换2．2．1实信号、偶信号和奇信号的傅里叶变换2．2．2傅里叶变换的基本性质2．2．3周期信号的傅里叶变换2．3功率和能量2．3．1能量型信号2．3．2功率型信号2．4带宽受限信号的抽样2．5带通信号2．6深入学习习题第3章模拟信号的发送和接收3．1调制简介3．2振幅调制(AM)3．2．1双边带抑制载波AM3．2．2常规振幅调制3．2．3单边带AM3．2．4残留边带AM3．2．5AM调制器和解调器的实现3．2．6信号多路复用3．3角度调制3．3．1FM信号和PM信号的表示形式3．3．2角度调制信号的频谱特性3．3．3角度调制器和解调器的实现3．4无线电广播和电视广播3．4．1AM无线电广播3．4．2FM无线电广播3．4.3电视广播3．5移动无线电系统3．6深入学习习题第4章随机过程4．1概率及随机变量4．2随机过程：基本概念4．2．1随机过程的描述4．2．2统计平均4．2．3平稳过程4．2．4随机过程与线性系统4．3频域中的随机过程4．3．1随机过程的功率谱4．3．2线性时不变系统的传输4．4高斯过程及白过程4．4．1高斯过程4．4，2白过程4．5带限过程及抽样4．6带通过程4．7深入学习习题第5章模拟通信系统中的噪声影响5．1噪声对线性调制系统的影响5．1．1噪声对基带系统的影响5．1．2噪声对DSB-SCAM的影响5．1．3噪声对SSBAM的影响5．1．4噪声对常规调幅的影响5．2使用锁相环(PLL)进行载频相位估计5．2．1锁相环5．2．2加性噪声对相位估计的影响5．3噪声对角度调制的影响5．3．1角度调制的门限效应5．3．2预加重和去加重滤波5．4模拟调制系统的比较5．5模拟通信系统中传输损耗和噪声的影响5．5．1热噪声源的特征5．5．2噪声温度效应及噪声系数5．5．3传输损耗5．5．4信号传输中继器5．6深入学习习题第6章信源与信源编码6．1信源的数学模型6．1．1信息的度量6．1．2联合熵与条件熵6．2信源编码理论6．3信源编码算法6．3．1霍夫曼信源编码算法6．3．2Lempel-Ziv信源编码算法6．4率失真理论6．4．1互信息量6．4．2微分熵6．4．3率失真函数6．5量化6．5．1标量量化6．5．2矢量量化6．6波形编码6．6．1脉冲编码调制(PCM)6．6．2差分脉冲编码调制(DPCM)6．6．3增量调制(M)6．7分析-合成技术6．8数字音频传输和数字音频记录6．8．1电话传输系统中的数字音频信号6．8．2数字音频录制6．9JPEG图像编码标准6．10深入学习习题第7章加性高斯白噪声信道中的数字传输7．1信号波形的几何表示7．2脉冲振幅调制7．3二维信号波形7．3．1基带信号7．3．2二维带通信号--载波相位调制7．3．3二维带通信号--正交振幅调制7．4多维信号波形7．4．1正交信号波形7．4．2双正交信号波形7．4．3单纯信号波形7．4．4二进制编码的信号波形7．5加性高斯白噪声信道中数字已调信号的最佳接收机7．5．1相关型解调器7．5．2匹配滤波器型解调器7．5．3最佳检测器7．5．4载波振幅已调信号的解调和检测7．5．5载波相位已调信号的解调和检测7．5．6正交振幅已调信号的解调和检测7。
5．7频率已调信号的解调和检测7．6加性高斯白噪声中信号检测的错误概率7.6．1二进制调制的错误概率7．6．2M进制PAM的错误概率7．6．3相位相干PSK调制的错误概率7．6．4DPSK的系统错误概率7．6．5QAM的错误概率7．6．6M进制正交信号的错误概率7．6．7M进制双正交信号的错误概率7．6．8M进制单纯信号的错误概率7．6．9FSK的非相干检测的错误概率7．6．10调制方式的比较7．7有线和无线通信信道的性能分析7．7．1再生中继器7．7．2无线信道中的链路预算分析7．8码元同步7．8．1超前-滞后门同步法7．8．2最小均方误差法7．8．3最大似然准则法7．8．4频谱线法7．8．5载波已调信号的码元同步7．9深入学习习题第8章通过带限AWGN信道的数字传输8．1通过带限信道的数字传输8．1．1带限基带信道上的数字PAM传输8．1．2带限带通信道上的数字传输8．2数字已调信号的功率谱8．2．1基带信号的功率谱8．2．2载波已调信号的功率谱8．3带限信道的信号设计8．3．1无码间干扰的带限信号的设计--奈奎斯特准则8．3．2具有可控ISI的带限信号8．4检测数字PAM的错误概率8．4．1具有零ISI的PAM检测的错误概率8．4．2可控ISI的逐码元数据检测8．4．3部分响应信号检测的错误概率8．5与记忆有关的数字调制信号8．5．1有记忆的调制编码与调制信号8．5．2最大似然序列检测器8．5．3部分响应信号的最大似然序列检测8．5．4有记忆数字信号的功率谱8．6存在信道失真的系统设计8．6．1已知信道的发送和接收滤波器的设计8．6．2信道均衡8．7多载波调制和OFDM8．7．1FFT算法实现的OFDM系统8．8深入学习习题第9章信道容量与信道编码9.1信道模型9.2信道容量9．2．1高斯信道容量9.3通信的容限9．3．1模拟信号的PCM传输9.4可靠通信的编码9．4．1正交信号错误概率的紧界9．4．2编码的原则9.5线性分析码9.5．1线性分组码的译码及其性能9.5．2突发错误纠错编码9.6循环码9．6．1循环码的结构9．7卷积码9．7．1卷积码的基本性质9．7．2卷积码的最佳译码--维特比算法9．7．3卷积码的其他译码算法9．7．4卷积码的错误概率界限9．8复合编码9．8．1乘积码9．8．2链接码9．8．3Turbo码9．8．4BCJR算法9．8．5Turbo码的性能9．9带限信道的编码9．9．1编码与调制的结合9．9．2网格编码调制9．10信道编码的实际应用9．10．1深层空间通信的编码9．10．2电话线路调制解调器的编码9．10．3光盘编码9．11深入学习习题第10章无线通信10．1衰落多径信道上的数字传输10．1．1时变多径信道的信道模型10．1．2衰落多径信道的信号设计10．1．3频率非选择性瑞利衰落信道上的二进制调制性能10．1．4通过信号分集提高系统性能10．1．5频率选择性信道的调制和解调--RAKE解调器10．1．6多天线系统和空时编码10．2连续载波相位调制10．2．1连续相位FSK(CPFSK)10．2．2连续相位调制(CPM)10．2．3CPFSK和CPM的频谱特性10．2．4CPM信号的解调和检测10．2．5CPM在AWGN信道和瑞利衰落信道中的性能10．3扩频通信系统10．3．1扩频数字通信系统的模型10．3．2直接序列扩频系统10．3．3直接序列扩频信号的应用10．3．4脉冲干扰和衰落的影响10．3．5PN序列的生成10．3．6跳频扩频10．3．7扩频系统的同步10．4数字蜂窝通信系统10．4．1GSM系统10．4．2基于IS-95的CDMA系统10．5深入学习习题附录A多信道二进制信号接收时的错误概率参考文献

ISO9241标准对于“可用性”的定义是：为了达到特定目标，特定用户在特定上下文内使用产品，由此而体验到的有效性、操作效率和满意程度。
5种基本的绩效度量类型1、任务成功（tasksuccess）：它测量的是用户能在多大程度能有效地完成一系列既定的任务2、任务时间（time-on-time）：它测量的是需要多少时间才能完成任务3、错误（errors）：反映了任务过程中用户所犯的过失4、效率（efficiency）：可以通过测量用户完成任务所付出的努力程度而被评估5、易学性（learnability）：是一种测量绩效随时间而如何发生变化的方法

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。