AGP̳̳-1.1.4ܣAGP̳̳-1.1.5ͨſܣAGP论坛零基础驱动教程-1.1.6（分析游戏保护对系统做的手脚）AGP论坛零基础驱动教程-1.1.7（驱动编译环境配置以及IDA常用快捷方式）AGP论坛零基础驱动教程-1.2.1（SSDT表概念）AGP论坛零基础驱动教程-1.2.2（SSDT表Hook原理）AGP论坛零基础驱动教程-1.2.3（SSDTHook实例）AGP论坛零基础驱动教程-1.2.4（SSDTInlineHook）AGP论坛零基础驱动教程-1.2.5（ShadowSSDT表概念）AGP论坛零基础驱动教程-1.2.6（ShadowSSDT表Hook实例）AGP论坛零基础驱动教程-1.2.7（ShadowSSDTInlineHook实例）----解析PDB实例AGP论坛零基础驱动教程-1.2.8（1.解决TP最新版双机调试实例）AGP论坛零基础驱动教程-1.2.8（2.解决TP双机调试实战）AGP̳̳-1.3.1KernelApiļ飩AGP论坛零基础驱动教程-1.4.1（什么是EAT）AGP论坛零基础驱动教程-1.4.2（EATHook实例）AGP论坛零基础驱动教程-1.4.3（什么是IAT）AGP论坛零基础驱动教程-1.4.4（IATHook实例）---另类解决游戏保护狗血的HOOKAGP论坛零基础驱动教程-1.5.1（FSDHook原理）AGP论坛零基础驱动教程-1.5.2（FSDHook实例）AGP论坛零基础驱动教程-2.1.1（HookAPI通信）AGP论坛零基础驱动教程-2.1.2（1.内核管道通信API列表）AGP̳̳-2.1.22.ں˹ܵͨʵսAGP论坛零基础驱动教程-2.1.3（添加系统服务通信）AGP论坛零基础驱动教程-2.2.1（进程隐藏）AGP论坛零基础驱动教程-2.2.2（驱动模块隐藏）AGP论坛零基础驱动教程-2.2.3（DLL模块隐藏）AGP论坛零基础驱动教程-2.3.1（什么是内核重载以及重载目的）----根据学员实际情况调整课程AGP论坛零基础驱动教程-2.3.2（内核重载具体过程讲解----1.读取文件，并修复一些PE结构体）AGP论坛零基础驱动教程-2.3.2（2.修复PE的IAT-EAT-重定位表）AGP论坛零基础驱动教程-2.3.3（告别KiFastCallEntry时代-------1.借尸还魂）AGP̳̳-2.3.3KiFastCallEntryʱ-------2.ǬŲƣAGP论坛零基础驱动教程-2.3.4（WRK编译调试）大型3D游戏都不支持2k3sp1，所以这节课就不演示如何修改dbgport，只是告诉大家怎么调式内核AGP论坛零基础驱动教程-2.4.1（APC注入技巧）AGP论坛零基础驱动教程-2.4.2（OEP感染注入）AGP论坛零基础驱动教程-2.4.3（DNF游戏注入DLL实战方法）AGP论坛零基础驱动教程-3.1.1（介绍AGP以及如何编译）AGP论坛零基础驱动教程-3.2.1（如何让AGP运行在DNF下不报异常）AGP论坛零基础驱动教程-3.2.2（如何让AGP运行在HS跑跑卡丁车下不报异常）AGP论坛零基础驱动教程-3.3.1（拆解AGP之如何保护调试器）---视频中涉及的工具已在最新工具包中打包。
在本版块顶置贴下载。
AGP论坛零基础驱动教程-3.4.1（拆解AGP之如何反反调试）AGP论坛零基础驱动教程-3.5.1（绕过调试权限ValidAccessMask清零）AGP论坛零基础驱动教程-3.5.2（绕过DebugPort清零自建调试体系）AGP论坛零基础驱动教程-4.1.1（什么是DebugPort）------看雪-房有亮友情客串AGP̳̳-4.3.2NPؽ̷AGP论坛零基础驱动教程-4.4.1（ObjectHook防文件特征）AGP̳̳-4.5.1αдODAGP̳̳-4.5.2αдCEAGP论坛零基础驱动教程-7.1.1（OD正常附加实战）AGP论坛零基础驱动教程-7.3.1（处理NP应用层Hook）AGP论坛零基础驱动教程-7.3.2（OD正常附加NP实战）AGP̳̳-7.4.1ODϵ㣩AGP̳̳-8.1.1Ẓ֮̇AGP论坛零基础驱动教程-8.2.1（优化防封之DLL）AGP̳̳-8.3.1⣩AGP论坛零基础驱动教程-8.9.1（DxHOOK原理）--------__沫、D友情客串AGP论坛零基础驱动教程-9.1.0（反多开的理论讲解）----跳播AGP论坛零基础驱动教程-9.2.0（DNF游戏多开）

以美国某气象站1894~2010年连续的年降水量为例，试应用小波分析，完成如下任务：①小波变换系数；
②绘制小波系数实部等值线图；
③绘制小波系数模和模方等值线图；
④绘制小波方差图；
以及⑤绘制不同时间尺度的小波实部过程线。
所谓年降水量时间序列的多时间尺度是指：年降水量在演化过程中，并不存在真正意义上的变化周期，而是其变化周期随着研究尺度的不同而发生相应的变化，这种变化一般表现为小时间尺度的变化周期往往嵌套在大尺度的变化周期之中。
也就是说，年降水量变化在时间域中存在多层次的时间尺度结构和局部变化特征。
Details:http://blog.sciencenet.cn/blog-1148346-794768.html

PCA（主成分分析）算法，主要用于数据降维，保留了数据集中对方差贡献最大的若干个特征来达到简化数据集的目的。
实现数据降维的步骤：1、将原始数据中的每一个样本用向量表示，把所有样本组合起来构成一个矩阵，通常需对样本矩阵进行处理，得到中性化样本矩阵2、求样本矩阵的协方差矩阵3、求协方差矩阵的特征值和特征向量4、将求出的特征向量按照特征值的大小进行组合形成一个映射矩阵。
并根据指定的PCA保留的特征个数取出映射矩阵的前n行或者前n列作为最终的映射矩阵。
5、用映射矩阵对数据进行映射，达到数据降维的目的。

C语言教程（原书第4版）《c语言教程（原书第4版）》是一本优秀的c程序设计语言教材，完整描述了ansic语言及其语法特性，并对c语言的高级特性和应用作了深入阐述，介绍了从c到c++和java过渡的相关知识。
《c语言教程（原书第4版）》的一个鲜明特色就是结合大量示例描述c语言的重要特征，并对很多工作代码给出了逐步的分析，以这种独特的教学方法向读者解释新接触的编程元素及一些惯用法。
　　《c语言教程（原书第4版）》系统、完整，可作为c语言的参考手册，也非常适合作为学习c语言的入门和高级课程教材。
前言第0章从零开始0.1为什么要用c0.2ansic标准0.3从c到c++0.4从c和c++到java第1章c语言概述1.1编程和预备知识1.2程序输出1.3变量、表达式和赋值1.4使用#define和#include1.5使用printf（）和scanf（）1.6控制流1.7函数1.8数组、字符串和指针1.8.1数组1.8.2字符串1.8.3指针1.9文件1.10与操作系统有关的内容1.10.1编写和运行c程序1.10.2中断程序1.10.3输入文件尾标志1.10.4输入和输出的重定向1.11总结1.12练习第2章词法元素、操作符和c系统2.1字符和词法元素2.2语法规则2.3注释2.4关键字2.5标识符2.6常量2.7字符串常量2.8操作符和标点符号2.9操作符的优先级和结合性2.10增值操作符和减值操作符2.11赋值操作符2.12例子：计算2的乘方2.13c系统2.13.1预处理器2.13.2标准函数库2.14总结2.15练习第3章基本数据类型3.1声明、表达式和赋值3.2基本数据类型3.3字符和char数据类型3.4int数据类型3.5整数类型short、long和unsigned3.6浮点类型3.7typedef的用法3.8sizeof操作符3.9使用getchar（）和putchar（）3.10数学函数3.10.1使用abs（）和fabs（）3.10.2unix和数学函数库3.11隐式类型转换和强制类型转换3.11.1整型提升3.11.2寻常算术转换3.11.3强制类型转换3.12十六进制和八进制常量3.13总结3.14练习第4章控制流4.1关系操作符、相等操作符和逻辑操作符4.2关系操作符和表达式4.3相等操作符和表达式4.4逻辑操作符和表达式4.5复合语句4.6表达式和空语句4.7if和if-else语句4.8while语句4.9for语句4.10例子：布尔变量4.11逗号操作符4.12do语句4.13例子：斐波那契数4.14goto语句4.15break和continue语句4.16switch语句4.17条件操作符4.18总结4.19练习第5章函数5.1函数定义5.2return语句5.3函数原型5.4例子：创建乘方表5.5从编译器的角度观察函数原型5.6函数定义顺序的另一种风格5.7函数调用和传值调用5.8开发大型程序5.9使用断言5.10作用域规则5.10.1平行和嵌套代码块5.10.2以调试为目的使用代码块5.11存储类型5.11.1auto存储类型5.11.2extern存储类型5.11.3register存储类型5.11.4static存储类型5.12静态外部变量5.13默认初始化5.14递归5.15例子：汉诺塔5.16总结5.17练习第6章数组、指针和字符串6.1一维数组6.1.1初始化6.1.2下标6.2指针6.3传引用调用6.4数组和指针之间的关系6.5指针运算和元素的大小6.6数组作为函数的实参6.7例子：冒泡排序6.8用calloc（）和malloc（）进行动态内存分配6.9例子：归并和归并排序6.10字符串6.11标准函数库中的字符串处理函数6.12多维数组6.12.1二维数组6.12.2存储映射函数6.12.3形式参数声明6.12.4三维数组6.12.5初始化6.12.6使用typedef6.13指针数组6.14main（）函数的参数6.15不规则数组6.16函数作为参数6.17例子：使用二分法寻找函数的根6.18函数指针数组6.19类型限定符const和v

遗传算法（GeneticAlgorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法，它最初由美国Michigan大学J.Holland教授于1975年首先提出来的，并出版了颇有影响的专著《AdaptationinNaturalandArtificialSystems》，GA这个名称才逐渐为人所知，J.Holland教授所提出的GA通常为简单遗传算法（SGA）。
　　遗传算法是从代表问题可能潜在的解集的一个种群（population）开始的，而一个种群则由经过基因（gene）编码的一定数目的个体(individual)组成。
每个个体实际上是染色体(chromosome)带有特征的实体。
染色体作为遗传物质的主要载体，即多个基因的集合，其内部表现（即基因型）是某种基因组合，它决定了个体的形状的外部表现，如黑头发的特征是由染色体中控制这一特征的某种基因组合决定的。
因此，在一开始需要实现从表现型到基因型的映射即编码工作。
由于仿照基因编码的工作很复杂，我们往往进行简化，如二进制编码，初代种群产生之后，按照适者生存和优胜劣汰的原理，逐代（generation）演化产生出越来越好的近似解，在每一代，根据问题域中个体的适应度（fitness）大小选择（selection）个体，并借助于自然遗传学的遗传算子（geneticoperators）进行组合交叉（crossover）和变异（mutation），产生出代表新的解集的种群。
这个过程将导致种群像自然进化一样的后生代种群比前代更加适应于环境，末代种群中的最优个体经过解码（decoding），可以作为问题近似最优解。

数据科学基础该存储库包含有关数据科学基础课程的作业的代码，我获得的分数是8.0/10.0。
作业1执行推文的情感分析。
作业2评估了用户Instagram活动与图像内容及其幸福感之间关系的性质。
这是通过有关用户的数据，图像及其元数据和从图像中提取的特征（例如，情感，面部表情）来完成的。

用KCF的追踪过程代替TLD的追踪过程，保留了TLD的检测和学习过程，但是没有加入旋转的特征学习，对于旋转的处理还是不行，有空自己慢慢写咯，要是tld的代码都运行不来的话建议先看看如何加载tld的配置文件，要是opencv的配置也不会的话，建议不要下载

SIFT特征是基于物体上的一些局部外观的兴趣点而与影像的大小和旋转无关。
对于光线、噪声、微视角改变的容忍度也相当高。
基于这些特性，它们是高度显著而且相对容易撷取，在母数庞大的特征数据库中，很容易辨识物体而且鲜有误认。
使用SIFT特征描述对于部分物体遮蔽的侦测率也相当高，甚至只需要3个以上的SIFT物体特征就足以计算出位置与方位。
在现今的电脑硬件速度下和小型的特征数据库条件下，辨识速度可接近即时运算。
SIFT特征的信息量大，适合在海量数据库中快速准确匹配。

SURF算法是继SIFT算法后的又一个稳定快速的特征提取算法，它除了具有SIFT算法的稳定性外，最突出的优点是算法速度快，实时性较强。

MATLAB神经网络43个案例分析源代码&数据《MATLAB神经网络43个案例分析》目录第1章BP神经网络的数据分类——语音特征信号分类第2章BP神经网络的非线性系统建模——非线性函数拟合第3章遗传算法优化BP神经网络——非线性函数拟合第4章神经网络遗传算法函数极值寻优——非线性函数极值寻优第5章基于BP_Adaboost的强分类器设计——公司财务预警建模第6章PID神经元网络解耦控制算法——多变量系统控制第7章RBF网络的回归--非线性函数回归的实现第8章GRNN网络的预测----基于广义回归神经网络的货运量预测第9章离散Hopfield神经网络的联想记忆——数字识别第10章离散Hopfield神经网络的分类——高校科研能力评价第11章连续Hopfield神经网络的优化——旅行商问题优化计算第12章初始SVM分类与回归第13章LIBSVM参数实例详解第14章基于SVM的数据分类预测——意大利葡萄酒种类识别第15章SVM的参数优化——如何更好的提升分类器的性能第16章基于SVM的回归预测分析——上证指数开盘指数预测.第17章基于SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测第18章基于SVM的图像分割-真彩色图像分割第19章基于SVM的手写字体识别第20章LIBSVM-FarutoUltimate工具箱及GUI版本介绍与使用第21章自组织竞争网络在模式分类中的应用—患者癌症发病预测第22章SOM神经网络的数据分类--柴油机故障诊断第23章Elman神经网络的数据预测----电力负荷预测模型研究第24章概率神经网络的分类预测--基于PNN的变压器故障诊断第25章基于MIV的神经网络变量筛选----基于BP神经网络的变量筛选第26章LVQ神经网络的分类——乳腺肿瘤诊断第27章LVQ神经网络的预测——人脸朝向识别第28章决策树分类器的应用研究——乳腺癌诊断第29章极限学习机在回归拟合及分类问题中的应用研究——对比实验第30章基于随机森林思想的组合分类器设计——乳腺癌诊断第31章思维进化算法优化BP神经网络——非线性函数拟合第32章小波神经网络的时间序列预测——短时交通流量预测第33章模糊神经网络的预测算法——嘉陵江水质评价第34章广义神经网络的聚类算法——网络入侵聚类第35章粒子群优化算法的寻优算法——非线性函数极值寻优第36章遗传算法优化计算——建模自变量降维第37章基于灰色神经网络的预测算法研究——订单需求预测第38章基于Kohonen网络的聚类算法——网络入侵聚类第39章神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类第40章动态神经网络时间序列预测研究——基于MATLAB的NARX实现第41章定制神经网络的实现——神经网络的个性化建模与仿真第42章并行运算与神经网络——基于CPU/GPU的并行神经网络运算第43章神经网络高效编程技巧——基于MATLABR2012b新版本特性的探讨

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。