基于人脸的数据库，在matlab平台上实现Fisher分类算法

通过在UCI开源网站上下载CarEvaluation数据集，对其使用机器学习算法进行分析，分别使用了分类算法，回归算法，聚类算法，文件中附数据集以及代码，代码使用jupyter运行即可，代码中介绍比较详细，通熟易懂，从头至尾皆可跑通！

C++编写的一个人脸部分美颜算法,人脸检测采用级联分类器，使用导向滤波美化，最后用泊松融合消除边缘融合问题

采用支持向量机SVM分类葡萄酒，完整代码，无错误，下载即可运行。

Places365是Places2数据库的最新子集。
Places365有两个版本：Places365-Standard和Places365-Challenge。
Places365-Standard的列车集有来自365个场景类别的约180万张图像，每个类别最多有5000张图像。
我们已经在Places365-Standard上培训了各种基线CNN，并将其发布如下。
与此同时，一系列的Places365-Challenge列车还有620万张图片以及Places365-Standard的所有图片（总共约800万张图片），每个类别最多有40,000张图片。
Places365-Challenge将用于2016年的Places2挑战赛，与2016年ECCV的ILSVRC和COCO联合研讨会一起举行。

行业分类数据，mysql的

tensorflow训练之后的Inceptionv3模型，经过Imagenet数据得到的模型参数。
可以直接分类图片，或者经过Retrain实现迁移学习。

该协议是FC协议的FC1~3层协议，是理解FC的基础协议，必看。
FC-0层定义了FC中的物理部分，包括光纤、连接器以及不同传输介质和传输速率所对应的光学和电器特性参数。
FC-1层中定义了FC的底层传输协议，包括串行编码、解码和链路状态维护。
数据帧及数据包的发送和接收是在FC-2(Protocol)层实现的，FC-2层定义了帧结构、命令集、序列、交换、分类服务等内容。
FC-3层中定义了一组服务用于公共的单一节点中的多个端口交叉其中包括组搜寻(HuntGroups)和分组广播(Multicast)。

图书资料管理信息系统,带源代码、数据库sql文件、课设报告，具备如下基本功能：1、系统管理功能有：角色管理、用户管理、修改密码。
主要实现系统的安全管理，不同的操作者有不同的权限，可以执行不同的操作。
普通读者的权限只能是查询图书及自己的借阅情况；
而图书馆管理员可以对图书信息进行管理，如对新书入库，也可以管理用户，如添加新用户和删除不用的账号等。
2、进书管理功能有：登记基本的图书信息。
这部分的功能用于登记新书的书名、作者、出版社、价格、进书的册数、进书日期、ISBN等。
3、图书入库管理功能有：对新书分类编目，及时更新图书库中的图书信息。
这部分的功能用于对所购进的新书，按其种类学科进行编目，给与唯一的书号；
及时更新书库中的图书信息，包括书名、书号、作者、出版社、价格、库存位置和库存册数这些信息，方便读者查询借阅。
4、查询功能功能有：查询图书的信息，查询读者的借阅情况。
这部分的功能主要提供多种方式的查询服务。
读者可以根据书名、作者或关键字模糊查询图书信息；
读者也可以根据自己的借书证号查询自己的借阅情况，如已借了几本书，借书日期，还书日期，有没有续借等。
5、借书/还书管理功能有：借书管理、还书管理。
这部分的功能是当读者借书时，系统根据借书证号识别读者身份，核对读者的借书信息，做出判断如可不可以借、还可借几本，成功借阅后记录在借书信息并修改书库图书信息。
当读者还书时，系统根据借书证号识别读者身份，核对读者的借书信息，做出判断如有没有超期，要不要罚款，需要罚多少等，最后还书成功，修改书库图书信息。

matlab实现的计算但标签分类聚类准确率的计算代码。
函数包含两个参数groundtruth以及分类/聚类模型给出的预测标签向量

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。