这是毕设的程序,包括大津阈值分割,SCHARR滤波器边缘检测,ROI设置,车道检测中用HOUGH进行直线检测,多段折线模拟弯道,以及偏离点检测,及这三部分的跟踪,车辆检测为基于特征检测,采用KALMAN进行跟踪

针对神经网络算法在当前PM2．5浓度预测领域存在的易过拟合、网络结构复杂、学习效率低等问题，引入RFR（randomforestregression，随机森林回归）算法，分析气象条件、大气污染物浓度和季节所包含的22项特征因素，通过调整参数的最优组合，设计出一种新的PM2．5浓度预测模型——RFRP模型。
同时，收集了西安市2013--2016年的历史气象数据，进行模型的有效性实验分析。
实验结果表明，RFRP模型不仅能有效预测PM2．5浓度，还能在不影响预测精度的同时，较好地提升模型的运行效率，其平均运行时间为O．281S，约为BP-NN（backpropagationneuralnetwork，BP神经网络）预测模型的5．88％。

很好的实现特征点的粗匹配，适用于用harris算子提取的角点

《矩阵分析与应用(第2版)(精装)》系统、全面地介绍矩阵分析的主要理论、具有代表性的方法及一些典型应用。
全书共10章，内容包括矩阵代数基础、特殊矩阵、矩阵微分、梯度分析与最优化、奇异值分析、矩阵方程求解、特征分析、子空间分析与跟踪、投影分析、张量分析。
前3章为全书的基础，组成矩阵代数；
后7章介绍矩阵分析的主体内容及典型应用。
为了方便读者对数学理论的理解以及培养应用矩阵分析进行创新应用的能力，本书始终贯穿一条主线物理问题“数学化”，数学结果“物理化”。
与第1版相比，本书的篇幅有明显的删改和压缩，大量补充了近几年发展迅速的矩阵分析新理论、新方法及新应用。
　　《矩阵分析与应用(第2版)(精装)》为北京市高等教育精品教材重点立项项目，适合于需要矩阵知识比较多的理科和工科尤其是信息科学与技术(电子、通信、自动控制、计算机、系统工程、模式识别、信号处理、生物医学、生物信息)等各学科有关教师、研究生和科技人员教学、自学或进修之用。

SeetaFace2采用标准C++开发，全部模块均不依赖任何第三方库，支持x86架构（Windows、Linux）和ARM架构（Android）。
SeetaFace2支持的上层应用包括但不限于人脸门禁、无感考勤、人脸比对等。
编译简介2.1编译依赖GNUMake工具GCC或者Clang编译器CM2.2linux和windows平台编译说明linux和windows上的SDK编译脚本见目录craft，其中craft/linux下为linux版本的编译脚本，craft/windows下为windows版本的编译脚本，默认编译的库为64位Release版本。
linux和windows上的SDK编译方法：打开终端（windows上为VS2015x64NativeToolsCommandPrompt工具，linux上为bash），cd到编译脚本所在目录；
执行对应平台的编译脚本。
linux上example的编译运行方法：cd到example/search目录下，执行make指令；
拷贝模型文件到程序指定的目录下；
执行脚本run.sh。
windows上example的编译运行方法：使用vs2015打开SeetaExample.sln构建工程，修改Opencv3.props属性表中变量OpenCV3Home的值为本机上的OpenCV3的安装目录；
执行vs2015中的编译命令；
拷贝模型文件到程序指定的目录下，运行程序。
2.3Android平台编译说明Android版本的编译方法：安装ndk编译工具；
环境变量中导出ndk-build工具；
cd到各模块的jni目录下（如SeetaNet的Android编译脚本位置为SeetaNet/sources/jni,FaceDetector的Android编译脚本位置为FaceDetector/FaceDetector/jni），执行ndk-build-j8命令进行编译。
编译依赖说明：人脸检测模块FaceDetector，面部关键点定位模块FaceLandmarker以及人脸特征提取与比对模块FaceRecognizer均依赖前向计算框架SeetaNet模块，因此需优先编译前向计算框架SeetaNet模块。

用pca提取图像目标特征，用分类对目标分类

修改了opencv的GreyLevelCo-occurrenceMatrix算法(texture.cpp)，是一个简单的示例。

代码对10个txt文件进行分词、去除停止词，并提取每个词的tfidf特征值输出

功能描述：a)注册、登陆功能：要求有数据验证功能。
b)分类展示图书信息：展示的方式有多种，可以按类别、按租赁数量、按上架时间等。
c)书籍借阅查询：根据多种条件来查询，比如按照书籍名称，书籍价格，作者等特征信息。
能进行模糊匹配。
d)图书借阅。
e)图书归还。

matlab以身高与体重为特征进行C-均值聚类

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。