土壤属性表主要字段包括:SU_SYM90（FAO90土壤分类系统中土壤名称)；
SU_SYM85(FAO85分类);T_TEXTURE(顶层土壤质地);DRAINAGE(19.5);REF_DEPTH(土壤参考深度);AWC_CLASS(19.5);AWC_CLASS(土壤有效水含量);PHASE1:Real(土壤相位);PHASE2:String(土壤相位)；
ROOTS:String(到土壤底部存在障碍的深度分类)；
SWR:String(土壤含水量特征)；
ADD_PROP:Real(土壤单元中与农业用途有关的特定土壤类型)；
T_GRAVEL:Real(碎石体积百分比)；
T_SAND:Real(沙含量)；
T_SILT:Real(淤泥含量)；
T_CLAY:Real(粘土含量)；
T_USDA_TEX:Real(USDA土壤质地分类)；
T_REF_BULK:Real(土壤容重)；
T_OC:Real(有机碳含量)；
T_PH_H2O:Real(酸碱度)T_CEC_CLAY:Real(粘性层土壤的阳离子交换能力)；
T_CEC_SOIL:Real(土壤的阳离子交换能力)T_BS:Real(基本饱和度)；
T_TEB:Real(交换性盐基)；
T_CACO3:Real(碳酸盐或石灰含量)T_CASO4:Real(硫酸盐含量)；
T_ESP:Real(可交换钠盐)；
T_ECE:Real(电导率)。

一篇心电信号识别和分类的论文。
定义并提取了基于时域特征、小波域特征和高阶统计量特征等三大类心电特征参数，将一次性直接求解多类模式的SVM方法应用于心电信号分类。

基于局部特征的卷积神经网络模型

本项目建立了一个小的语音库（8男8女），编写mfcc函数提取出语音的mfcc特征，然后利用svm进行训练和测试，实现性别识别，并创建gui进行功能展示，正确率为93.75%。
本代码功能尚比较简单，有待继续完善。

本文来自于简书，文章介绍了需求分析方法的相关知识，详细介绍了如何分析用户需求、业务需求等相关内容。
业务需求=业务目的+业务目标以注册功能为例，用户肯定不想注册填一堆信息这么麻烦，而是产品需要用户注册。
目标用户的特征：是学生还是职场人员。
目标用户的经验：是新手还是熟练用户。
用户的使用场景：通常在什么情况下会使用产品，接触产品这个功能。
用户体验目标：用户期望得到什么结果。
用户产生某种行为，通常是基于某种动机或原因，比如注册后，可以使用更多的功能；
同时在注册前，用户可能也有一些担忧，比如说个人信息会不会泄露，用户会不会没事就收到垃圾短信;所以：用户的动机担忧以及使用中遇到的障碍都是影响用户体验目标和

在中国管理学界和企业界，罗宾斯博士的《管理学》毫无疑问是最受欢迎和采用量最大的教材，且连续数年畅销不衰。
但管理是一个动态的学科，关于管理的教科书也必须不断适应环境的巨大变化。
本书第7版在成功地保持了管理学四个基本功能的思路、内容和特征的基础上，增加了与经济全球化和信息有关的电子商务、工作场所的精神、利益相关者关系管理、虚拟团队、团队建设、高绩效组织、价值链管理、工作与生活的平衡等大量现实世界的新专题和新特征，以便更好地反映管理领域中实践和研究的新发展，体现21世纪激动人心的管理。
本书是一本公认的优秀管理学教科书，被美国800多所大学和学院选作教材，并在世界许多国家和地区受到欢迎。
全书以管理过程为框架，按照计划、组织、领导和控制四种基本管理职能，对管理的各个方面进行了详尽的阐述。
博采众长，荟萃了90年代以来管理学各个领域所有重要的和最新的研究成果。
尤其是对管理的社会责任和道德、战略管理和企业家精神、组织和职务的设计、组织行为的基础、领导理论和沟通，以及人际关系技能的讨论，更是取材丰富、分析透彻、见解独到而精辟。
不仅如此，作者还颇具匠心地设计了多种管理两难问题主题框，引入了自我测评和快速反应练习等多种学习方式，并编入了大量的精彩案例。
从而使本书既适用于教学和培训，又适用于各类管理人员自学。
　　作者简介　　斯蒂芬·P·罗宾斯博士，曾经就职于壳牌石油公司和雷诺金属公司，他先后任教于布拉斯加大学、康科迪亚大学、巴尔的摩大学、南伊利诺伊大学，以及圣迭戈州立大学。
教学之余，罗宾斯博士还积极参加世界教师田径比赛。
在1993年中，他打破并平了室内55米、60米和200米跑的世界记录。
他目前是美国50岁～54岁年龄段的全国短跑冠军。

《精通图像处理经典算法（MATLAB版）》以MATLAB图像处理技术为主线，结合图像处理的典型算法和应用案例，按照从基础理论、算法分析到实际应用的过程进行讲解。
不仅涉及数字图像的文件读／写、显示、类型转换、频域变换、几何变换、图像增强、图像去噪、图像分割、边缘检测、特征提取、图像配准、图像拼接、图像压缩、图形用户界面设计等技术，而且详细讲述可视密码共享、数字图像置乱、图像数字水印、红外图像识别、杂草图像识别、指纹考勤、PCB缺陷检测、人脸检测及微小目标检测等典型应用案例，同时还介绍了利用MATLAB和C/C++混合编程实现图像处理的过程。
《精通图像处理经典算法（MATLAB版）》既可作为学校或培训机构的Matlab图像处理教程，也可作为工程技术人员、学生课程设计、毕业设计及教师的参考用书。

本程序实现了对影像特征点自动提取，利用Morevac、Forstner、Harris3个经典算子。
在此基础上利用相关系数法实现影像自动匹配，并且引入最小二乘平差，使匹配点精度有所提高。
在搜索点过程中，利用了核线影像特性，对二维影像搜索使用了爬山法启发式搜索。
对大数据量影像采用影像金字塔结构处理。
1、使用GDAL库读取影片，支持TIFF、PNG、JPEG、JPG、BMP、GIF、IMG格式读取。
使用GDI绘图。
2、防止大数据量绘图视图闪烁，图片显示采用双缓存技术。
3、保存视图数据为图片文件，支持TIFF、PNG、JPEG、JPG、BMP、GIF格式保存。
4、TreeCtrl控件、ListCtrl控件的基本操作。
5、MFC单文档程序视图通讯、更换视图、视图分割。

5万的食谱菜谱数据（csv格式），数据来源于公开网络，为了方便数据处理，使用了#符号作为数据处理依据（可以利用这个特征分割符号处理成数组数据），例如：材料、分量，步骤文字和图片两个字段，入库处理的时候可以处理成数组形式（php可以使用explode()函数），方便前端输出。
采集数据，尽量过滤了原始无关的html标签。

支持向量机是一个性能比较好的分类器，但直接用于做分类不一定能得到好的性能，但若能结合好的特征选择算法分类性能会大大提高，本程序就是结合我们实验室提出的特征选择方法再加上SVM得到好的结果

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。