此资源包含了用户需求说明文档、用JSP编写的WEB网页模板以及用MyEclipse6.5、Tomcat6.0S、QLServer2005、Struts2、Spring3.0、Hibernate3.3等技术编写的源代码。
整个项目采用MVC模式，应用StrutsSpringHibernate三个框架实现了一个小区管理系统。
分为View层（显示层）、Control层（控制层）、Service层（业务逻辑层）、DAO层（数据库访问对象层）。
利用Spring的依赖注入和面向切面特性，hibernate的数据持久化技术、Struts的控制器实现了楼栋管理模块，房间管理模块，业主管理模块，收费管理模块，物资设备管理，管理员管理等模块。

SAX符号化序列范例源码--------------------timeseries2symbol.m:--------------------Thisfunctiontakesinatimeseriesandconvertittostring(s).Therearetwooptions:1.ConverttheentiretimeseriestoONEstring2.Useslidingwindows,extractthesubsequencesandconvertthesesubsequencestostringsForthefirstoption,simplyenterthelengthofthetimeseriesas"N"ex.Wehaveatimeseriesoflength32andwewanttoconvertittoa8-symbolstring,withalphabetsize3:timeseries2symbol(data,32,8,3)Forthesecondoption,enterthedesiredslidingwindowlengthas"N"ex.Wehaveatimeseriesoflength32andwewanttoextractsubsequencesoflength16usingslidingwindows,andconvertthesubsequencesto8-symbolstrings,withalphabetsize3:timeseries2symbol(data,16,8,3)Input:dataistherawtimeseries.Nisthelengthofslidingwindow(usethelengthoftherawtimeseriesinsteadifyoudon'twanttohaveslidingwindows)nisthenumberofsymbolsinthelowdimensionalapproximationofthesubsequence.alphabet_sizeisthenumberofdiscretesymbols.2＜=alphabet_size＜=10,althoughalphabet_size=2isa special"useless"case.Output:symbolic_data:matrixofsymbolicdata(no-repetition).Ifconsecutivesubsequenceshavethesamestring,thenonlythefirstoccurrenceisrecorded,withapointertoitslocationstoredin"pointers"pointers:locationofthefirstoccurrencesofthestringsN/nmustbeaninteger,otherwisetheprogramwillgiveawarning,andabort.Thevariable"win_size"isassignedtoN/n,thisisthenumberofdatapointsontherawtimeseriesthatwillbemappedtoasinglesymbol,andcanbeimaginedasthe"compressionrate".Thesymbolicdataisreturnedin"symbolic_data",withpointerstoth

可视化hadoop页面工具,可以查看存储文件及路径,谢谢

DeepLearningToolbox™提供了一个框架，用于设计和实现具有算法，预训练模型和应用程序的深度神经网络。
您可以使用卷积神经网络（ConvNets，CNN）和长期短期记忆（LSTM）网络对图像，时间序列和文本数据进行分类和回归。
应用程序和图表可帮助您可视化激活，编辑网络体系结构以及监控培训进度。
对于小型训练集，您可以使用预训练的深层网络模型（包括SqueezeNet，Inception-v3，ResNet-101，GoogLeNet和VGG-19）以及从TensorFlow™-Keras和Caffe导入的模型执行传输学习。
了解深度学习工具箱的基础知识深度学习图像从头开始训练卷积神经网络或使用预训练网络快速学习新任务使用时间序列，序列和文本进行深度学习为时间序列分类，回归和预测任务创建和训练网络深度学习调整和可视化绘制培训进度，评估准确性，进行预测，调整培训选项以及可视化网络学习的功能并行和云中的深度学习通过本地或云中的多个GPU扩展深度学习，并以交互方式或批量作业培训多个网络深度学习应用通过计算机视觉，图像处理，自动驾驶，信号和音频扩展深度学习工作流程深度学习导入，导出和自定义导入和导出网络，定义自定义深度学习图层以及自定义数据存储深度学习代码生成生成MATLAB代码或CUDA®和C++代码和部署深学习网络函数逼近和聚类使用浅层神经网络执行回归，分类和聚类时间序列和控制系统基于浅网络的模型非线性动态系统;使用顺序数据进行预测。

随着信息技术全球化的深入发展，我国的软件产业将不可避免地融入全球软件产业。
一方面，更多地大型跨国软件公司加大对中国市场的投入，对产品和服务本地化的需求快速增加。
另一方面，越来越多地国内大型软件公司正加速国际化发展的步伐，它们逐步走出国门，加入全球竞争行列。
软件质量表示软件符合用户使用要求的程度，这种程度不仅表现在软件产品自身的功能性和性能方面，也表现在软件的国际化和本地化能力等方面。
软件企业只有提高软件质量，不断改进质量管理的方法和流程，提供具有符合国际市场和用户要求的高质量软件产品，才能具备进军国际市场的实力。
提高软件测试在软件生命周期中的地位是保证软件质量的关键，做好软件测试工作是解决软件质量问题的根本，为了保证国际化软件的产品质量，进行有效的国际化测试成为必不可少的生产过程。
由于目前我国软件企业的规模普遍较小，而且主要面向国内用户市场，对软件国际化和本地化发展战略和实现技术认识不足，重视不够，特别是在保证国际化软件的质量管理和测试技术方面，与国外同行相比还存在较大差距。
国内软件测试的成熟度不高，特别在国际化软件测试方面的滞后，在一定程度上，影响着我国软件在国际市场上的竞争力，也影响着我们承接软件外包服务的规模。
因此，探讨和研究软件测试技术，成为摆在国内软件界的新课题。

专用集成电路设计实用教程（第1版）》讲究实用性，希望其中的内容能帮助ASIC设计工程师清楚明了IC设计的基本概念，IC设计的流程，逻辑综合的基本概念和设计方法，解决进行IC设计时和工具使用时所遇到的问题。
　　《专用集成电路设计实用教程（第1版）》共分九章，第一章概述IC设计的趋势和流程；
第二章介绍用RTL代码进行电路的高级设计和数字电路的逻辑综合；
第三章陈述了IC系统的层次化设计和模块划分；
第四章详细地说明如何设置电路的设计目标和约束；
第五章介绍综合库和静态时序分析；
第六章深入地阐述了电路的优化和优化策略；
第七章陈述物理综合和简介逻辑综合的拓扑技术；
第八章介绍可测性设计；
第九章介绍低功耗设计和分析。
　　本书的主要对象是IC设计工程师，帮助他们解决IC设计和综合过程中遇到的实际问题。
也可作为高等院校相关专业的高年级学生和研究生的参考书。

SparkolVideoScribePROPortable单文件绿色便携特别版是一款独特的视频创作软件，程序可以以一种独特的方式来快速、轻松地创建引人入胜的动画或者视频。
你可以创建令人惊叹的营销视频，教学会谈、可以轻松的将可视化对象添加到您的谈话或故事中、带来生活的例证，显示文字、徽标或照片和保持任何观众着迷。
SparkolVideoScribePROPortable截图:

.版本2.子程序窗口_截图,字节集,公开,截取指定窗口的位图,可截取窗口中指定区域,最小化窗口或不可见窗口无法截取位图.参数窗口句柄,整数型,,欲截取窗口图片的窗口句柄.参数左边,整数型,可空,默认为0在窗口中截取图片的左边(相对于窗口的左边偏移坐标).参数顶边,整数型,可空,默认为0在窗口中截取图片的顶边(相对于窗口的顶边偏移坐标).参数宽度,整数型,可空,在窗口中截取图片的宽度(若为空,则截取整个窗口位图).参数高度,整数型,可空,在窗口中截取图片的高度(若为空,则截取整个窗口位图).子程序窗口_判断色彩度相同数,逻辑型,公开,满足最低相同数目返回真,否则返回假.参数窗口句柄,整数型,,指定的窗口句柄(对于最小化窗口或不可见窗口无效).参数色,整数型,,欲判断的颜色色彩度(色彩度:0-255).参数最低,整数型,,最低相同的数目.参数左下角,识图_坐标,可空,判断范围的左下角坐标,默认为0.参数宽度,整数型,,向右的范围宽度.参数高度,整数型,,向上的范围高度.参数返回相同数,整数型,参考可空.子程序窗口_取颜色,整数型,公开,取出窗口中指定点的颜色值(返回十进制颜色值,失败返回-1).参数窗口句柄,整数型,,欲取颜色值所在窗口的句柄.参数坐标X,整数型,,欲取的颜色值在窗口中的横坐标.参数坐标Y,整数型,,欲取的颜色值在窗口中的纵坐标.子程序窗口_取颜色数,整数型,公开,取出窗口中指定范围内某种颜色的数目,失败返回-1,未找到返回0.参数窗口句柄,整数型,,指定的窗口句柄(对于最小化窗口或不可见窗口无效).参数颜色,整数型,,欲判断的十进制颜色.参数左边,整数型,可空,范围左边,默认为0.参数顶边,整数型,可空,范围顶边,默认为0.参数宽度,整数型,,范围矩形宽度.参数高度,整数型,,范围矩形高度.参数相似度,整数型,可空,可空:无误差(0-255)RGB误差值无误差是带误差效率一半.子程序窗口_取最多色,整数型,公开,取出窗口中指定范围内最多的一种颜色值,返回十进制颜色值,失败返回-1.参数窗口句柄,整数型,,指定的窗口句柄(对于最小化窗口或不可见窗口无效).参数左边,整数型,可空,范围左边,默认为0.参数顶边,整数型,可空,范围顶边,默认为0.参数宽度,整数型,,范围矩形宽度.参数高度,整数型,,范围矩形高度.参数数目,整数型,参考可空,返回该颜色的数目.子程序窗口_找色彩,识图_坐标,公开,在窗口中指定范围内查找符合条件的色彩度,返回第一个符合条件的坐标(失败或未找到返回-1坐标).参数窗口句柄,整数型,,指定的窗口句柄(对于最小化窗口或不可见窗口无效).参数色彩度低,整数型,,欲寻找色彩度范围-低位(色彩度:0-255).参数色彩度高,整数型,,欲寻找色彩度范围-高位(色彩度:0-255).参数左边,整数型,可空,寻找范围-矩形左边,默认为0.参数顶边,整数型,可空,寻找范围-矩形顶边,默认为0.参数宽度,整数型,,寻找范围-矩形宽度.参数高度,整数型,,寻找范围-矩形高度

实现了族谱的电子化，采用Java编写，包括界面，以及数据库

选用背景差分法和形态学算法提取目标骨架，骨架提取经历九步：图像灰度化，背景差分法提取目标轮廓，使用CLAHE算法增强对比度，高斯滤波，Solel算子进行边缘检测，小波去噪，最大类间误差法二值化，形态学运算和中值滤波。
然后用基于人体比例的方法初步判断跌倒情况，再用基于运动趋势的精准判断跌倒情况。
算法总体效果可以，误检较少。

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。