Java开发工具包（JavaDevelopmentKit，简称JDK）是Oracle公司提供的用于开发和运行Java应用程序的软件包。
在这个特定的版本“jdk-11.0.18win-64”中，我们关注的是Java11的一个更新，版本号为11.0.18，且该版本是针对Windows64位操作系统的。
这个压缩包包含了一个可执行文件“jdk-11.0.18_windows-x64_bin.exe”，这通常是JDK安装程序，用于在Windows64位系统上安装Java开发环境。
Java11是一个长期支持（Long-TermSupport，LTS）版本，意味着它将得到Oracle更长时间的技术支持和安全更新，对于企业和开发团队来说尤其重要，因为它提供了稳定性和安全性保障。
Java11在2018年9月发布，引入了许多新特性、改进和优化。
1.**模块化系统（ProjectJigsaw）**：Java9引入了模块化系统，但Java11进一步完善了这一特性。
模块化有助于改善代码的组织，提高性能，减少内存占用，并且使大型应用的构建和部署更加容易。
2.**HTTP客户端API（Java.net.http）**：Java11添加了内置的HTTP客户端API，使得开发者可以直接在Java代码中处理HTTP和HTTPS请求，而无需依赖第三方库。
3.**本地变量类型推断（var关键字）**：Java11引入了`var`关键字，允许局部变量声明时省略类型，由编译器根据初始值自动推断。
4.**动态CDS（ClassDataSharing）**：这是一个性能优化功能，允许在JVM启动时共享已加载类的数据，减少启动时间和内存消耗。
5.**改进的字符串处理**：包括新的`String#lines()`方法，用于获取字符串的所有行，以及`String#strip()`和`String#stripIndent()`，用于去除字符串两端的空白字符和缩进。
6.**ZGC（ZGarbageCollector）**：这是一种低延迟的垃圾收集器，适合大内存应用，其目标是在大部分情况下保持10毫秒以下的暂停时间。
7.**JLink**：这是一个命令行工具，用于构建自定义的Java运行时环境，只包含应用所需的模块，从而减小程序的大小。
8.**JEP325：FlightRecorder**：提供了一种标准接口来记录JVM内部事件，如性能数据，这对于诊断和分析性能问题非常有用。
9.**JEP326：JavaMissionControl**：这是一个强大的Java应用性能监控和诊断工具，现在成为JDK的一部分。
10.**其他小改进**：包括对JShell（JavaREPL）、Javadoc和JAR文件格式的增强，以及对SSL/TLS协议的支持更新等。
安装“jdk-11.0.18_windows-x64_bin.exe”后，开发者可以利用Java11的新特性和性能提升进行软件开发，包括编写桌面应用、Web应用、移动应用以及大数据处理和云计算服务。
此外，JDK还包括JRE（JavaRuntimeEnvironment），使得用户可以运行Java应用程序。
开发者还可以使用JDK中的编译器（javac）、调试器（jdb）和其他工具进行开发工作。

自己整理了下一些立体匹配的算法，包括局部匹配的SAD，NCC，还有简单的NP，也有基于OPENCV的立体匹配，最后一个是基于ELAS的立体匹配算法

SIFT等局部特征的词袋模型实现。
包括K-means聚类，直方图特征的形成，以及KNN分类。

SIFT算法特点•SIFT特征是图像的局部特征，其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性。
•独特性(Distinctiveness)好，信息量丰富，适用于在海量特征数据库中进行快速、准确的匹配。
•多量性，即使少数的几个物体也可以产生大量SIFT特征向量。
•经过优化的SIFT算法可满足一定的速度需求。
•可扩展性，可以很方便的与其他形式的特征向量进行联合。

ARKit：当您四处走动时，使用相机和运动数据来绘制局部世界。
CoreLocation：使用wifi和GPS数据来确定您的全球位置，但准确性较低。
ARKit+CoreLocation：将AR的高精度与GPS数据的规模相结合。
结合这些技术的潜力是巨大的，它在许多不同领域具有许多潜在的应用。
该库具有两个主要功能：允许使用真实世界的坐标将物品放置在AR世界中。
通过使用最新的位置数据点以及有关在AR世界中移动的知识，极大地提高了位置准确性。
改善的定位精度目前处于“实验”阶段，但可能是最重要的组成部分。
因为在那里还有其他地方仍有工作要做，所以这个项目最好由开放社区提供服务，这比GitHubIssues所能提供的更多。
因此，我将开放一个Slack组，任何人都可以加入，讨论该库，对其进行改进以及他们自己的工作。
要求ARKit需要iOS11，并支持以下设备

论文：基于小波分解的图像融合算法的改进分析了基于小波分解及局部区域能量的图像融合算法的优缺点，并针对该算法对存在局部噪声的图像以及局部噪声和局部模糊并存的图像融合效果不理想的问题，提出了改进算法。
新算法利用中值滤波判断出的噪声点，小波分解后得到高频分量上得到噪声区域，对噪声区域及非噪声区域采用不同的融合规则，很好地弥补了原算法的缺陷。

为解决复杂曲面点云在平滑去噪中存在的问题，提出基于曲率信息混合分类的特征保持点云精细算法。
该方法将平面投影与离散算法相结合，采用主成分分析法对点云的局部曲率特性进行评估，使用线性组合混合分类方法将数据分为平面，次特征，富特征类型以及组合类型。
针对不同特征邻域类型，提出平面类型的投影平滑方法，次特征和富特征类型的可变参数校正法平滑方法的线性组合方法实现点云数据的平滑去噪。
转换方法用于激光三维扫描人体扫描系统所获得的高密度点云数据，实验结果表明该方法能够在有效光顺点云的同时保持其表面的几何特征，并简化了法向调整的繁杂运算。

本基于MATLAB图像处理的疲劳驾驶检测提出了一种基于视觉信息和人工智能的驾驶员睡意自动检测模块。
该系统的目的是对驾驶员的面部和眼睛进行定位、跟踪和分析，计算睡意指数，以防止事故的发生。
人脸和眼睛的检测都是通过AdaBoost分类器来实现的。
为了提高人脸跟踪的精度，提出了一种检测与目标跟踪相结合的方法。
提出的人脸跟踪方法，还具有自校正能力。
在找到眼睛区域后，利用局部二值模式（LBP）提取眼睛特征。
利用这些特征，训练一个支持向量机分类器（SVM）进行眼睛状态分析。

流体力学的实验报告其中有思考题包含的实验为伯努利实验泵特性曲线实验毕托管测速实验不可压缩流体恒定流动动量定律实验沿程水头损失实验雷诺实验局部阻力损失实验

禁忌搜索是对局部领域搜索的一种扩展，是一种全局逐步寻优算法。
搜索过程可以接受劣解，有较强的爬山能力。

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。