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。

一个代码相似度分析工具，结果准确度还行，分享给有需要的人。

深度学习不断增长的能源耗费和性能成本，促使社区通过选择性修剪组件来减少神经网络的规模。
与生物学上的相似之处是，稀疏网络即使不能比原来的密集网络更好，也能得到同样好的推广。

基于语义检索的目的，结合成语典故本体的构建，设计了一个基于成语典故本体的语义检索模型，阐述了检索模型中用户界面模块、数据存储模块、查询分析模块和检索分析模块的功能；
分析了系统中的本体构建技术、分词技术及检索技术，设计并实现了词语相似度及概念相似度算法；
通过语义检索系统的实验，得到较高的查全率和查准率。

nkscape中文版是一款外国开发的开源矢量图形编辑软件，与Illustrator、Freehand、CorelDraw、XaraX等其他软件相似。
Inkscape是一套矢量图形编辑器，以自由软件授权发布与使用。
该软件的开发目标是成为一套强力的绘图软件，且能完全遵循与支持XML、SVG及CSS等开放性的标准格式。
Inkscape是一套跨平台性的应用程序，Windows、MacOSX、Linux及类UNIX版等操作系统。
矢量图形编辑软件Inkscape中文版矢量图形编辑软件Inkscape中文版Inkscape是开源的矢量图像编辑软件，与Illustrator、Freehand、CorelDraw、XaraX等软件很相似，它使用W3C标准的ScalableVectorGraphics(SVG)文件格式，支持包括形状、路径、文本、标记、克隆、alpha混合、变换、渐变、图案、组合等SVG特性。
它也支持创作共用的元数据、节点编辑、图层、复杂的路径运算、位图描摹(根据点阵16进制色差复制绘制矢量图的算法)、文本绕路径、流动文本、直接编辑XML等。
它可以导入JPEG、PNG、TIFF等格式，并输出为PNG和多种位图格式。
除了支持Windows外，Inkscape还有支持Linux与Mac的版本。
创建对象绘图铅笔工具（徒手描绘，且可在路径内进行填色）。
笔式工具（运用直线与贝兹曲线与来创建路径）。
笔画工具（运用电子手写板（tablet）可用笔画的压力、角度来进行描绘与填色）。
形样工具矩形（可选择使用圆角化）。
圆形、椭圆形或弧形（可选择圈、弧、段）。
星形/多边形（可选择尖角数、轮廓比例、圆角化、随机等）。
螺旋形其他工具文字工具（横书、多列或直书）链接性的位图图形，无论是导入或是光栅化的选取对象（针对嵌入的链接图形，Inkscape另有一个个别独立的公用程序可以运用）翻制（以“活性”方式链接对象的复制）。
相近的功效在其他程序上称为“symbols”。
对象操作、运用仿射变换/Affinetransformation（移动、缩放、旋转、倾斜），可用交互操作也可通过数字值设置。
对象之间的层次关系（Z-order）[来源请求]操作。
对象群化、组群化，对于未群化设计的对象也可用同时多个对象的选取来选定性群化（selectingroup），“enterthegroup”则可使选定成为临时性的层阶。
层阶化（即：图层），运用此方式可以锁定及/或隐藏个别的层阶，重新排置层阶等等，层阶也可采行层次结构树的结构。
对象可以复制、粘贴。
对齐与分布指令，包括网格排列（拆散对象：尝试边对边等距）、随机排列（在两个维度上随机置中）、去除重叠。
通过工具可进行填色花纹的翻制，使用壁纸样本（wallpapersymmetries）加上可任意变化运用的缩放、偏移、旋转、色彩变换等，也可选择随机变化。
可快速辅助、导引操作的提示网格线。
填充与边框选色器（RGB、HSL、CMYK、色圈）取色工具、填色工具（滴管）对象间复制/粘贴风格属性可在画布上进行渐层编辑，包括线性渐层、放射状渐层等操控。
渐层编辑器能够进行多处的停点渐层（imagegradient）。
花纹填充。
遮罩。
运用预先定义的泼洒花纹，可对边框进行花纹泼洒。
路径上的标示（如：箭头）。
路径上的操作节点编辑：移动节点及贝兹曲线（Beziercurve）掌控，节点的对齐、分布，节点群的缩放、旋转，“节点雕刻”（多处节点的比例编辑）。
路径转换（文字对象或形样），包括路径充填的转换。
布林运算（合并/union、割去/intersection、交集/difference、排除/exclusion、分开/division）运用可变的路径起讫点可简化路径。
路径插入及增设，包括动态及链接偏移对象。
路径剪贴（非破坏性剪贴）。
点阵追踪（黑白、彩色都适用）。
文字支持多列文字（SVG1.0/1.1）在框内进行文字的直式书写（，之前建议用SVG1.2）可完全在画布（绘图区）中进行编辑，包括风格文字的间距。
可使用任何已经安装于系统内的外框字体（outlinefont）通过Pango库（例如处理希伯来文、阿拉伯文、泰文等文字）可支持使用任何的描述语言及编程语言。
字母上下突出端（Kerning）、字母间隔（letterspacing）、列间隔等的调整。
路径上可走文字（无论文字或路径都可持续再编辑）。
着色、上色缩放倍数：1倍～256倍。
完整的抗锯齿显示。
支持“Alpha透明”，可用在显示以及.PNG格式图片

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。