STM32矩阵键盘测试代码以及完整工程使用的是正点原子的精英版测试的，可通过串口发送所按下的按键的键值工程完整，注释清楚，可以直接使用方便移植此次的实验GPIO口链接图： C4-----------_-PC0 C3-----------_-PC1 C2-----------_-PC2 C1-----------_-PC3 R1-----------_-PC4 R2-----------_-PC5 R3-----------_-PC6 R4-----------_-PC7波特率是115200
2023/8/3 18:42:08
7.73MB
1
针对线性奇异摄动系统,提出一种基于PI(proportionalintegral)观测器的故障诊断和最优容错控制方法.基.于奇异摄动系统相关理论和矩阵变换技术,给出PI全维观测器存在的条件,该观测器可以观测系统的快慢状态和.故障系统的状态.在估测到系统状态的基础上进一步考虑最优性,应用最优控制理论,设计状态反馈控制器,提出基.于PI观测器的故障诊断器和最优容错控制器的设计方法.最后的数值算例验证了所提出方法的可行性和正确性.
2023/8/3 16:33:15
629KB
1
均值漂移算法meanshiftTrack一、实验内容完成基于MeanShift的目标跟踪算法，红框标出目标区域实现实时追踪。
二、算法原理1.在当前帧，计算候选目标的特征2.计算候选目标与初始目标的相似度3.计算权值4.利用MeanShift算法，计算目标新位置在这里插入图片描述5.若新目标中心需位于原目标中心附近，则停止，否则转步骤2三、思路流程截取跟踪目标矩阵rect；
求取跟踪目标的加权直方图hist1；
读取视频序列中的一帧，先随机取一块与rect等大的矩形，计算加权直方图hist2；
计算两者比重函数，如果后者差距过大，更新新的矩阵中心Y，进行迭代（MeanShift是一种变步长可以迅速接近概率密度峰值的方法），直至一定条件（移动步长平方和大于0.5或超过20次迭代）后停止。
二、算法原理1.在当前帧，计算候选目标的特征2.计算候选目标与初始目标的相似度3.计算权值4.利用MeanShift算法，计算目标新位置在这里插入图片描述5.若新目标中心需位于原目标中心附近，则停止，否则转步骤2三、思路流程截取跟踪目标矩阵rect；
求取跟踪目标的加权直方图hist1；
读取视频序列中的一帧，先随机取一块与rect等大的矩形，计算加权直方图hist2；
计算两者比重函数，如果后者差距过大，更新新的矩阵中心Y，进行迭代（MeanShift是一种变步长可以迅速接近概率密度峰值的方法），直至一定条件（移动步长平方和大于0.5或超过20次迭代）后停止。
2023/8/2 9:24:56
187.81MB
1
Algorithm_Note:bookmark_tabs:目录:white_medium_star:Leetcode刷题笔记已解决译文列表：ID译文语言题解链接1个两数之和C++7整体反转Java9回文数Java13罗马数字转数字Java14最高公共预算Java20有效的括号Java21合并两个有序链表Java26删除排序中的重复项Java27可拆卸元素Java35搜索插入位置Java38报数Java50战俘（x，n）Python38报数Java53最大子序和Java54顺时针打印矩阵Python58最后一个单词的长度Java66加一Java67二进制求和Java69x的平方根Java70爬楼梯Java79单词搜索Python83删除排序链表中的重复元素Java88合并两个有序时序Java100相同的树Java101对称二叉树Java102二叉树的层次遍历Python105根据前序和中序重建二叉
2023/7/31 23:55:37
142.27MB
1
作者黄云清，数值计算方法课后习题，内容涉及数值计算方法的数学基础、数值计算方法在工程、科学和数学问题中的应用以及所有数值方法的MATLAB程序等，涵盖了经典数值分析的全部内容。
包括:非线性方程的数值解法;线性方程组的数值解法;矩阵特征值与特征向量的数值算法;插值方法;函数最佳逼近;数值积分;数值微分;常微分方程数值解法等。
基于MATLAB是本书的特色，对书中所有的数值方法都给出了MATLAB程序，有大量详实的应用实例可供参考，有相当数量的习题可供练习
包括:非线性方程的数值解法;线性方程组的数值解法;矩阵特征值与特征向量的数值算法;插值方法;函数最佳逼近;数值积分;数值微分;常微分方程数值解法等。
基于MATLAB是本书的特色，对书中所有的数值方法都给出了MATLAB程序，有大量详实的应用实例可供参考，有相当数量的习题可供练习
2023/7/31 17:44:54
6.28MB
1
本程序主要实现了二维傅里叶变换，其中先对图像矩阵进行预处理（即图像中心化），然后进行行傅里叶变换，再对其进行列变换，进行行列变换是调用自己写的一维傅里叶变换函数ImFFT实现的。
程序输入为图像矩阵A，输出为其傅里叶变换结果Fuv，并绘制了其频谱图
程序输入为图像矩阵A，输出为其傅里叶变换结果Fuv，并绘制了其频谱图
2023/7/30 22:41:07
959B
1
采用激光诱导击穿光谱（LIBS）技术结合偏最小二乘判别分析（PLS-DA）对新疆、青海和俄罗斯的白色软玉进行产地研究。
选取产自新疆（和田、于田、且末）、青海（格尔木）、俄罗斯（贝加尔湖）的146个白色软玉样品作为样品集，从样品集中随机抽取111个样品作为校正集，用于建立PLS-DA识别模型，剩余35个样品作为验证集，用于检验PLS-DA识别模型的预测效果。
采用LIBS对三个产地的软玉样品进行成分分析，选择Na、K、Al、Li、Be、Mn、Sr、Zr、Ba、Y、Ce作为目标元素，并选取589.995，766.490，396.152，670.793，313.042，257.610，407.771，389.138，455.403，437.493，401.239nm处的谱线作为目标元素的分析谱线，选取Si元素作为内标元素，以其在288.158nm处的谱线作为内标元素分析谱线，分别计算各目标元素与内标元素的谱线强度的比值Rx，由Rx组成自变量矩阵，用于模型的建立与预测。
实验结果表明，采用LIBS结合PLS-DA建立的产地识别模型，其校正自变量和验证自变量与实际分类变量的相关系数都大于0.9
选取产自新疆（和田、于田、且末）、青海（格尔木）、俄罗斯（贝加尔湖）的146个白色软玉样品作为样品集，从样品集中随机抽取111个样品作为校正集，用于建立PLS-DA识别模型，剩余35个样品作为验证集，用于检验PLS-DA识别模型的预测效果。
采用LIBS对三个产地的软玉样品进行成分分析，选择Na、K、Al、Li、Be、Mn、Sr、Zr、Ba、Y、Ce作为目标元素，并选取589.995，766.490，396.152，670.793，313.042，257.610，407.771，389.138，455.403，437.493，401.239nm处的谱线作为目标元素的分析谱线，选取Si元素作为内标元素，以其在288.158nm处的谱线作为内标元素分析谱线，分别计算各目标元素与内标元素的谱线强度的比值Rx，由Rx组成自变量矩阵，用于模型的建立与预测。
实验结果表明，采用LIBS结合PLS-DA建立的产地识别模型，其校正自变量和验证自变量与实际分类变量的相关系数都大于0.9
2023/7/27 20:56:48
5.55MB
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