基于余弦相似性算法开发的论文查重系统

物体图像识别中的模式识别是一种从大量信息和数据出发，利用计算机和数学推理的方法对形状、模式、数字、曲线、字符格式和图形自动完成识别并且进行评价的过程。
图形匹配是图像识别技术的一个重要分支，图形匹配指通过对图形的图像采用特定算法。
本设计以MATLAB作为实现功能的操作平台,通过结合几何HU不变矩作为中间的连接数据,再运用图像预处理和欧式距离等数学方法,用Matlab进行编程，完成各个部分的效果,实现区域图像轮廓特征数据获取,计算欧氏距离，根据物体图像几何HU不变距的相似程度实现物体识别匹配的目的。
计算机模拟结果表明该方法的有效性和可行性。

同源搜索是生物信息学在分子生物学，蛋白质功能分析和药物开发领域的巨大应用。
为了在不断增长的数据库中执行批量搜索，基本方法是对每个原始查询运行Blast或通过将它们分组在一起来串联查询。
本文提出了一种增强的具有序列压缩和聚类的蛋白质同源性批量搜索算法（C2-BLASTP），该算法利用了查询序列和数据库之间的联合信息。
在C2-BLASTP中，查询和数据库首先通过冗余分析进行压缩。
然后根据子序列相似度对数据库进行聚类。
此后，可以在群集数据库中实现命中查找。
此外，基于潜在的命中结果来重建最终执行数据库，以减轻序列数据库不断扩大的规模。
最后，在执行数据库中进行同源批搜索。
在NCBINR数据库上进行的实验证明，在同源性准确性，搜索速度和内存使用方面，C2-BLASTP对于同源性批量搜索的有效性。

中药色谱指纹图谱相似度评价系统，很实用的软件

首先感谢作者陈育圣和莊永裕为我们展现出如此优秀的作品《基於全局相似转换的猜测之自然影像拼接》，资源为该论文的电子文档（核心部分做了翻译,可能存在瑕疵，敬请谅解），文档仅用于学习，请用到该文章的做好引用声明。
ChenYS，ChuangYY．Naturalimagestitchingwiththeglobalsimilarityprior［C］//Proceedingsofthe14thEuropeanConferenceonEuropeanConferenceonComputerVision．Amsterdam，Netherlands:Springer，2016:186-201．［DOI:10.1007/978-3-319-46454-1_12］

MSET是由Singer等提出的一种非线性的多元预测诊断技术，是一种通过分析对比实际监测参数与设备正常运行时的健康数据为基础，对正常运行时的各个参数进行运算并做出估计，以这种正常的状态估计作为标准。
当得到实际的运行数据时，同样以健康数据为基础，并找到实际数据与健康数据的关联程度，以此对实际运行状态做出估计，这种＂程度＂是通过权值向量来决定的，用于衡量实际状态与正常状态的相似性。
最终对健康状态与实际运行状态的估计结果进行对比分折，并引入残差的概念，最终进行诊断。
目前在核电站传感器校验、设备监测、电子产品寿命预测等方面有成功的应用。

人工智能课程总结转眼之间，研一的上半学期就要结束了，陪伴了自己一学期的人工智能课也在今天结束了最后的考试。
回顾这半个学期来学习人工智能的感受，确实还是有点可说的东西。
我记得自己第一次听AI这个名字是上大二时一个北航软件学院朋友提起的，他特别想去微软做AI方面的研究，然后他热情的向我介绍了这个领域是多么多么好，当时的自己完全没有印象，只觉得可能和机器人有关，AI的目的就是做出和人类一模一样的机器人。
现在看来自己当初的想法是多么的幼稚可笑。
等到了大三的时候，软件学院正好开设了这门课，我便抱着好奇的心态选了这门课，无奈当时授课老师胡晶晶讲解极其乏味，也没有教材，每节课上课就照着PPT念，完全成了可有可无的课程，在这门课上我学到的唯一的知识点就是可以用遗传算法来求解走迷宫问题，因为那次是老师用一个程序在课堂上进行演示的。
当时觉得挺有意思，可惜自己并没有做进一步的学习，结果第一次上人工智能课就这么草草收场。
如今上了研究生，再次碰到了这门课，我又一次选了，因为我觉得计算机学院的老师讲课和软件学院的老师应该不一样，事实证明我的想法是正确的。
在这门课上我学到了很多的知识，了解到了人工智能原来包含这么多内容，根本不是一个简单的机器人所能概括的，计算机图形学，机器学习，模式识别等这些看起来似乎不相关的东西在都被包含在其中。
尽管上课时间有限而且这门课也比较基础，但老师的讲课却毫不含糊。
说实话，在老师快讲完第三章之前我还一直坐在靠后的位置看不清PPT，后来觉得还是要认真听讲，于是每次都是占前两排的座位，当然这种做法事后证明也是对的，看来有时候一念之差能改变很多。
针对这门课的内容没有什么要说的，个人觉得刘峡壁老师的个人魅力较强，能让学生喜欢听这门课，这一点和林永刚老师极其相似，而大学里面缺少的正是这样的老师。
当然，光听课是没用的，课后还需要进行做题，弄不懂的还需要和同学进行讨论，这在做作业时得到了体现。
我觉得人工智能最重要的不是让我们知道这些知识，而是要让我们掌握分析问题，解决问题的方法，正如刘峡壁老师所说“我给你们提供了各种武器，关键看你们遇到问题会不会拿出来用”，而这也是做研究所必须的。
同时，我也在其中体会到了发散思维不局限于某一领域的奇妙之处，例如遗传算法，蚁群算法就是来自生物界，这种跨学科之间的联系已经成为当下的潮流，知识本来就不应该有局限性，联系无处不在。
就写到这里吧，如今我知道了AI无处不在，而且我在以后的学习阶段中会不断接触到AI。
记得之前看过很多AI题材的电影，比如《我，机器人》，《黑客帝国》等等，真希望自己能在有生之年看到这些电影中所展现出来的AI成为现实，人类也一定会因为AI而不断进步。

ssim，structuresimilarity结构相似性算法。
用于主观图像质量评价

我的专业工作案例可以从以下链接下载：http://pan.baidu.com/s/1dDIlXXB需要预先安装同一目录下的VB6运行环境，然后才可以安装应用程序。
安装和测试过程中有问题可以直接联系我。
中英文文本自动摘要、自动校对、自动分类、相关性与相似性聚类、主题词与标签自动生成、微博（短文本）聚类和情感分析。
我的研究成果，欢迎下载传播。

这是一套礼券自助提货系统，客户收到商家发的礼券凭编码和密码​可以自助到该系统里提货，配有手机版本，功能和pc版相似，数据同步，可嵌入微信中使用，后台可对提货的订单进行发货等处理，功能十分的强大，界面非常美观。

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。