波分复用(WDM)是将两种或多种不同波长的光载波信号(携带各种信息)在发送端经复用器(亦称合波器，Multiplexer)汇合在一起，并耦合到光线路的同一根光纤中进行传输的技术；
在接收端，经解复用器(亦称分波器或称去复用器，Demultiplexer)将各种波长的光载波分离，然后由光接收机作进一步处理以恢复原信号。
这种在同一根光纤中同时传输两个或众多不同波长光信号的技术，称为波分复用。
WDM本质上是光域上的频分复用FDM技术。
每个波长通路通过频域的分割实现，每个波长通路占用一段光纤的带宽。
WDM系统采用的波长都是不同的，也就是特定标准
在接收端，经解复用器(亦称分波器或称去复用器，Demultiplexer)将各种波长的光载波分离，然后由光接收机作进一步处理以恢复原信号。
这种在同一根光纤中同时传输两个或众多不同波长光信号的技术，称为波分复用。
WDM本质上是光域上的频分复用FDM技术。
每个波长通路通过频域的分割实现，每个波长通路占用一段光纤的带宽。
WDM系统采用的波长都是不同的，也就是特定标准
2024/2/28 22:52:09
116KB
1
跨境电商平台ERP铺货系统amazonshopee货代仓储打包系统，跨境电商行业ERP软件，订单数据，产品数据安全卫士，帮助更多跨境卖家放心打理店铺！系统支持OEM贴牌，独立部署数据私有化，前后端分离！
2024/2/25 3:32:40
3.05MB
1
ICA的著名应用是盲源分离，于是这里就以盲源分离为例子进行说明。
假设n个人面前有n个话筒，然后这n个人说话时这n个话筒进行录音，这n个人说了m句话，最后从这n个话筒中收集一些录音，目标：从这些录音中分离出每个人的声音对于ICA的模型：x=A·s假设x是个m*n的矩阵，A是个m*k的矩阵，那s就需要是个k*n的矩阵，于是ICA就是把x分解成2个矩阵的乘积，这两个矩阵就是求出来的源信号。
假设n个人面前有n个话筒，然后这n个人说话时这n个话筒进行录音，这n个人说了m句话，最后从这n个话筒中收集一些录音，目标：从这些录音中分离出每个人的声音对于ICA的模型：x=A·s假设x是个m*n的矩阵，A是个m*k的矩阵，那s就需要是个k*n的矩阵，于是ICA就是把x分解成2个矩阵的乘积，这两个矩阵就是求出来的源信号。
2024/2/19 17:05:26
164KB
1
matlabPCA的m文件。
数据集Iris是常用的分类实验数据集，由Fisher,1936收集整理。
CSDN上原来有一个arff格式的鸢尾花数据集，不方便matlab直接调用。
我的这个数据集是txt格式的，在matlab下可以直接一句命令“load('iris.txt')”加载。
iris以鸢尾花的特征作为数据来源，常用在分类操作中。
该数据集由3种不同类型的鸢尾花的50个样本数据构成。
其中的一个种类与另外两个种类是线性可分离的，后两个种类是非线性可分离的。
该数据集包含了5个属性：&Sepal.Length（花萼长度），单位是cm;&Sepal.Width（花萼宽度），单位是cm;&Petal.Length（花瓣长度），单位是cm;&Petal.Width（花瓣宽度），单位是cm;&种类：IrisSetosa（山鸢尾）、IrisVersicolour（杂色鸢尾），以及IrisVirginica（维吉尼亚鸢尾
数据集Iris是常用的分类实验数据集，由Fisher,1936收集整理。
CSDN上原来有一个arff格式的鸢尾花数据集，不方便matlab直接调用。
我的这个数据集是txt格式的，在matlab下可以直接一句命令“load('iris.txt')”加载。
iris以鸢尾花的特征作为数据来源，常用在分类操作中。
该数据集由3种不同类型的鸢尾花的50个样本数据构成。
其中的一个种类与另外两个种类是线性可分离的，后两个种类是非线性可分离的。
该数据集包含了5个属性：&Sepal.Length（花萼长度），单位是cm;&Sepal.Width（花萼宽度），单位是cm;&Petal.Length（花瓣长度），单位是cm;&Petal.Width（花瓣宽度），单位是cm;&种类：IrisSetosa（山鸢尾）、IrisVersicolour（杂色鸢尾），以及IrisVirginica（维吉尼亚鸢尾
2024/2/15 18:13:37
2KB
1
提出一种基于红外图像分层处理及动态压缩的DDE算法。
该算法先将原始14bits红外图像数据信息中的大动态低频背景和小动态高频细节进行分离提取，并分别对提取的细节层和背景层进行相应的灰度增强和灰度抑制处理，再调整和压缩各图层的动态范围并最终合成8bits图像。
实验结果表明，该算法能较好地保留并突出原始红外图像中的边缘和细节信息，达到了预期设计的目标
该算法先将原始14bits红外图像数据信息中的大动态低频背景和小动态高频细节进行分离提取，并分别对提取的细节层和背景层进行相应的灰度增强和灰度抑制处理，再调整和压缩各图层的动态范围并最终合成8bits图像。
实验结果表明，该算法能较好地保留并突出原始红外图像中的边缘和细节信息，达到了预期设计的目标
2024/2/11 1:40:29
453KB
1
写完那篇“写给懂C语言的人的PHP基本语法入门”后一直在学习PHP5的OOP，目的很简单，就是想研究MVC的PHP实现，所以，兴趣很快转移到MVC上面，网上有很多长篇大论，但是看完了我还是不能写出一个最简单的MVC程序，我这个人学东西有个习惯，那就是先要掌握一个最简单的“HelloWorld”，然后再以此为基础扩展开去，否则心里没底，一头雾水。
经过一番搜索，找到了一篇翻译文章（作者:HarryFuecks翻译：EasyChenURL：http://www.21ds.net/article/4/453原文URL：http://www.phppatterns.com/docs/..._controller_pattern）作者以商品目录浏览为例，给出了完整的MVC架构代码。
仔细一看，发现他的C和V是继承关系，耦合很紧，似乎不是很理想，但马上又看到了作者的第二个版本（http://www.phppatterns.com/doku.php/design/mvc_pattern_version_2），这个版本的C和V分离得比较清楚，仔细研读了这个版本，然后仿照着实现了一个留言板。
原作者链接:http://bbs.phpchina.com/thread-106188-1-1.html
经过一番搜索，找到了一篇翻译文章（作者:HarryFuecks翻译：EasyChenURL：http://www.21ds.net/article/4/453原文URL：http://www.phppatterns.com/docs/..._controller_pattern）作者以商品目录浏览为例，给出了完整的MVC架构代码。
仔细一看，发现他的C和V是继承关系，耦合很紧，似乎不是很理想，但马上又看到了作者的第二个版本（http://www.phppatterns.com/doku.php/design/mvc_pattern_version_2），这个版本的C和V分离得比较清楚，仔细研读了这个版本，然后仿照着实现了一个留言板。
原作者链接:http://bbs.phpchina.com/thread-106188-1-1.html
2024/2/9 6:53:51
2KB
1
开发工具：VS2017如果下载不能打开，可能您的VS版本较低C#完整代码，下载即可使用，在项目中可以直接使用。
自带客户与服务端心跳包验证。
客户端掉线，服务器自动响应。
所有均为事件与封装完全分享。
代码高度简洁。
服务端断线与重启，客户端自动重新连接。
客户端消息异常，快速响应事件。
客户端与服务端，调用DOME完全分离。
不管是学习TCP/IP通信，还是项目中使用TCP/IP均为首选
自带客户与服务端心跳包验证。
客户端掉线，服务器自动响应。
所有均为事件与封装完全分享。
代码高度简洁。
服务端断线与重启，客户端自动重新连接。
客户端消息异常，快速响应事件。
客户端与服务端，调用DOME完全分离。
不管是学习TCP/IP通信，还是项目中使用TCP/IP均为首选
2024/2/8 11:57:51
1008KB
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