本书主要介绍模式识别的基础知识、基本方法、程序实现和典型实践应用。
全书共9章。
第1章介绍模式识别的基本概念、基础知识；
第2章介绍贝叶斯决策理论；
第3章介绍概率密度函数的参数估计；
第4章介绍参数判别分类方法；
第5章介绍聚类分析；
第6章介绍特征提取与选择；
第7章介绍模糊模式识别；
第8章介绍神经网络在模式识别中的应用；
第9章介绍模式识别的工程应用。
每章的内容安排从问题背景引入，讲述基本内容和方法，到实践应用（通过MATLAB软件编程）。
全书共9章。
第1章介绍模式识别的基本概念、基础知识；
第2章介绍贝叶斯决策理论；
第3章介绍概率密度函数的参数估计；
第4章介绍参数判别分类方法；
第5章介绍聚类分析；
第6章介绍特征提取与选择；
第7章介绍模糊模式识别；
第8章介绍神经网络在模式识别中的应用；
第9章介绍模式识别的工程应用。
每章的内容安排从问题背景引入，讲述基本内容和方法，到实践应用（通过MATLAB软件编程）。
2025/8/24 3:12:36
11MB
1
用于抽认卡，语言和学习的顶级学习应用程序。
Quizlet是练习和掌握所学内容的最简单方法。
创建自己的抽认卡和学习集，或从其他学生创建的数百万个中选择-由您决定。
每月有超过5000万学生在Quizlet中学习，因为Quizlet是领先的教育和抽认卡应用程序，它使学习语言，历史，词汇和科学变得简单而有效。
Quizlet是练习和掌握所学内容的最简单方法。
创建自己的抽认卡和学习集，或从其他学生创建的数百万个中选择-由您决定。
每月有超过3000万学生在Quizlet中学习，因为Quizlet是领先的教育和抽认卡应用程序，它使学习语言，历史，词汇和科学变得简单而有效。
而且是免费的！使用Quizlet
Quizlet是练习和掌握所学内容的最简单方法。
创建自己的抽认卡和学习集，或从其他学生创建的数百万个中选择-由您决定。
每月有超过5000万学生在Quizlet中学习，因为Quizlet是领先的教育和抽认卡应用程序，它使学习语言，历史，词汇和科学变得简单而有效。
Quizlet是练习和掌握所学内容的最简单方法。
创建自己的抽认卡和学习集，或从其他学生创建的数百万个中选择-由您决定。
每月有超过3000万学生在Quizlet中学习，因为Quizlet是领先的教育和抽认卡应用程序，它使学习语言，历史，词汇和科学变得简单而有效。
而且是免费的！使用Quizlet
2025/8/24 2:38:43
18.24MB
1
【Delphi腾讯云短信】使用腾讯云最新的签名方法v3（TC3-HMAC-SHA256）。
api接口文档https://cloud.tencent.com/document/product/382/38778
api接口文档https://cloud.tencent.com/document/product/382/38778
2025/8/24 2:49:25
1.47MB
1
Eazfuscator.NET2019.1+注册机，先安装Eazfuscator.NET，然后直接双击运行注册机即可，简单。
使用方法：运行Eazfuscator，将需要混淆的exe或者dll文件直接拖到打对勾的绿色区域即可
使用方法：运行Eazfuscator，将需要混淆的exe或者dll文件直接拖到打对勾的绿色区域即可
2025/8/24 2:37:31
10.32MB
1
敏捷开发以用户的需求进化为核心，采用迭代、循序渐进的方法进行软件开发。
在敏捷开发中，软件项目在构建初期被切分成多个子项目，各个子项目的成果都经过测试，具备可视、可集成和可运行使用的特征。
换言之，就是把一个大项目分为多个相互联系，但也可独立运行的小项目，并分别完成，在此过程中软件一直处于可使用状态。
因为开发部门同时维护多个版本，多个版本的发布，测试需要大量人力，所以要有一个专业的持续集成工具来管理持续重复的工作。
1)热部署是指在你修改项目BUG的时候对JSP或JAVA类进行了修改在不重启WEB服务器前提下能让修改生效。
但是对配置文件的修改除外。
2)配置tomcat用户名密码，修改tomcat配置
在敏捷开发中，软件项目在构建初期被切分成多个子项目，各个子项目的成果都经过测试，具备可视、可集成和可运行使用的特征。
换言之，就是把一个大项目分为多个相互联系，但也可独立运行的小项目，并分别完成，在此过程中软件一直处于可使用状态。
因为开发部门同时维护多个版本，多个版本的发布，测试需要大量人力，所以要有一个专业的持续集成工具来管理持续重复的工作。
1)热部署是指在你修改项目BUG的时候对JSP或JAVA类进行了修改在不重启WEB服务器前提下能让修改生效。
但是对配置文件的修改除外。
2)配置tomcat用户名密码，修改tomcat配置
2025/8/23 21:42:34
1014KB
1
ssm框架实现验证码登录，不需要配置jar包，不需要配置springMVC文件，直接在前台配置标签和JavaScript，然后在controller中配置三个方法，资料齐全
2025/8/23 2:10:04
14KB
1
为解决复杂曲面点云在平滑去噪中存在的问题，提出基于曲率信息混合分类的特征保持点云精细算法。
该方法将平面投影与离散算法相结合，采用主成分分析法对点云的局部曲率特性进行评估，使用线性组合混合分类方法将数据分为平面，次特征，富特征类型以及组合类型。
针对不同特征邻域类型，提出平面类型的投影平滑方法，次特征和富特征类型的可变参数校正法平滑方法的线性组合方法实现点云数据的平滑去噪。
转换方法用于激光三维扫描人体扫描系统所获得的高密度点云数据，实验结果表明该方法能够在有效光顺点云的同时保持其表面的几何特征，并简化了法向调整的繁杂运算。
该方法将平面投影与离散算法相结合，采用主成分分析法对点云的局部曲率特性进行评估，使用线性组合混合分类方法将数据分为平面，次特征，富特征类型以及组合类型。
针对不同特征邻域类型，提出平面类型的投影平滑方法，次特征和富特征类型的可变参数校正法平滑方法的线性组合方法实现点云数据的平滑去噪。
转换方法用于激光三维扫描人体扫描系统所获得的高密度点云数据，实验结果表明该方法能够在有效光顺点云的同时保持其表面的几何特征，并简化了法向调整的繁杂运算。
2025/8/22 22:16:08
1.53MB
1
本基于MATLAB图像处理的疲劳驾驶检测提出了一种基于视觉信息和人工智能的驾驶员睡意自动检测模块。
该系统的目的是对驾驶员的面部和眼睛进行定位、跟踪和分析，计算睡意指数，以防止事故的发生。
人脸和眼睛的检测都是通过AdaBoost分类器来实现的。
为了提高人脸跟踪的精度，提出了一种检测与目标跟踪相结合的方法。
提出的人脸跟踪方法，还具有自校正能力。
在找到眼睛区域后，利用局部二值模式（LBP）提取眼睛特征。
利用这些特征，训练一个支持向量机分类器（SVM）进行眼睛状态分析。
该系统的目的是对驾驶员的面部和眼睛进行定位、跟踪和分析，计算睡意指数，以防止事故的发生。
人脸和眼睛的检测都是通过AdaBoost分类器来实现的。
为了提高人脸跟踪的精度，提出了一种检测与目标跟踪相结合的方法。
提出的人脸跟踪方法，还具有自校正能力。
在找到眼睛区域后，利用局部二值模式（LBP）提取眼睛特征。
利用这些特征，训练一个支持向量机分类器（SVM）进行眼睛状态分析。
2025/8/22 21:24:45
741KB
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