如今，HTML5可谓如众星捧月一般，受到众多业内巨头的青睐。
很多Web开发者也尝试着用HTML5来制作各种Web应用。
HTML5规范引进了很多新特性，其中最令人期待的之一就是Canvas元素，HTML5Canvas提供了通过JavaScript绘制图形的方法，非常强大。
今天这篇文章收集了20个惊艳的HTML5Canvas应用试验推荐给大家。
使用Canvas模仿的3D布料图案效果。
这是我最喜欢的一个，非常神奇的效果！另外一个非常惊艳的布料模仿使用，拖动布料试试看！使用Canvas绘制的非常精美的分形（fractals）效果。
动感的字母颗粒效果动画。
使用Canvas绘制的星云图。
HTML5Cava

在工作中遇到了在VB6.0的程序里要调用C#的Dll的问题，显然这两个开发环境属于不同的平台。
在网上拜读了几位大师的文章后，在实际试验中还是会发生这样那样的问题，最后还是实现了预期效果，在此我把我的实验步骤和注意事项分享如下，希望对需要之人有所帮助

基于对话框格式，试验运行能打开500M.TIF图像，.TIFF色调比较白，不怎么清楚，有待改善，需要安装GDAL,只要把VS2010(本人所用)，工程名右键属性打开，将其包含目录，和库目录分别换成你安装的gdal文件中的include和bin路径，最后再在链接器的输入栏第一个选项键入：gdal_i.lib，运行即可

 对雷达操作人员的培训必须基于接近真实的模拟训练环境才能达到较好的训练效果。
通过真实采集的雷达回波信号来模拟产生目标回波，利用目标数据库的生成，目标在不同统计模型下信号强度的计算，得到了一种逼真的雷达目标回波信号。
模拟仿真试验验证了实际回波效果，结果表明该方法生成的回波能构建真实的模拟训练环境，使受训人员得到身临其境的模拟效果。

矩形件排样在工业上有广泛的应用,目标是使下料过程中的切割损失减少到最小,使得原材料的利用率最高.在矩形件排放算法——“基于最低水平线的搜索算法”的基础上,提出了一种改进的矩形优化排样算法,改进算法能够将小的空闲区域合并,然后加以利用,因此能够在一定程度上提高卷材的利用率.通过比较要排放矩形件的长宽与空闲区域的尺寸大小,最终确定矩形件的较优排放次序及矩形件在卷材上的确切排放位置.试验结果表明,改进算法在提高材料利用率方面具有可行性和有效性特征

南昌大学实验报告完整版，！仅不含试验心得

MATLAB中AR模型功率谱估计中AR阶次估计的实现-psd_my.rar（最近看了几个关于功率谱的问题，有关AR模型的谱估计，在此分享一下，希望大家不吝指正）（声明：本文内容摘自我的毕业论文——心率变异信号的预处理及功率谱估计）（按：AR模型功率谱估计是对非平稳随机信号功率谱估计的常用方法，但是其模型阶次的估计，除了HOSA工具箱里的arorder函数外，没有现成的函数可用，arorder函数是基于矩阵SVD分解的阶次估计方法，为了比较各种阶次估计方法的区别，下面的函数使用了'FPE','AIC','MDL','CAT'集中准则一并估计，并采用试验方法确定那一个阶次更好。
）………………………………以上省略……………………………………………………………………假设原始数据序列为x，那么n阶参数使用最小二乘估计在MATLAB中实现如下：Y=x;Y(1:n)=[];m=N-n;X=[];%构造系数矩阵fori=1:m  forj=1:n      X(i,j)=xt(ni-j);  endendbeta=inv(X'*X)*X'*Y';复制代码beta即为用最小二乘法估计出的模型参数。
此外，还有估计AR模型参数的Yule-Walker方程法、基于线性预测理论的Burg算法和修正的协方差算法等[26]。
相应的参数估计方法在MATLAB中都有现成的函数，比如aryule、arburg以及arcov等。
4.3.3AR模型阶次的选择及实验设计文献[26]中介绍了五种不同的AR模型定阶准则，分别为矩阵奇异值分解（SingularValueDecomposition,SVD）定阶法、最小预测定误差阶准则（FinalPredictionErrorCriterion,FPE）、AIC定阶准则（Akaika’sInformationtheoreticCriterion,AIC）、MDL定阶准则以及CAT定阶准则。
文献[28]中还介绍了一种BIC定阶准则。
SVD方法是对Yule-Walker方程中的自相关矩阵进行SVD分解来实现的，在MATLAB工具箱中arorder函数就是使用的该算法。
其他五种算法的基本思想都是建立目标函数，阶次估计的标准是使目标函数最小化。
以上定阶准则在MATLAB中也可以方便的实现，下面是本文实现FPE、AIC、MDL、CAT定阶准则的程序（部分）：form=1:N-1  ……    %判断是否达到所选定阶准则的要求  ifstrcmp(criterion,'FPE')    objectfun(m1)=(N(m1))/(N-(m1))*E(m1);  elseifstrcmp(criterion,'AIC')    objectfun(m1)=N*log(E(m1))2*(m1);  elseifstrcmp(criterion,'MDL')    objectfun(m1)=N*log(E(m1))(m1)*log(N);  elseifstrcmp(criterion,'CAT')    forindex=1:m1        temp=temp(N-index)/(N*E(index));    end    objectfun(m1)=1/N*temp-(N-(m1))/(N*E(m1));  end    ifobjectfun(m1)＞=objectfun(m)    orderpredict=m;    break;  endend复制代码orderpredict变量即为使用相应准则预测的AR模型阶次。
（注：以上代码为结合MATLAB工具箱函数pburg,arburg两个功率谱估计函数增加而得，修改后的pburg等函数会在附件中示意，名为pburgwithcriterion）登录/注册后可看大图程序1.JPG(35.14KB,下载次数:20352)下载附件 保存到相册2009-8-2820:54上传登录/注册后可看大图程序2.JPG(51.78KB,下载次数:15377)下载附件 保存到相册2009-8-2820:54上传下面本文使用3.2.1实验设计的输出结果即20例经预处理的HRV信号序列作为实验对象，分别使用FPE、AIC、MAL和CAT定阶准则预测AR模型阶次，图4.1（见下页）为其中一例典型信号使用不同预测准则其目标函数随阶次的变化情况。
从图中可以看出，使用FPE、AIC以及MDL定阶准则所预测的AR模型阶次大概位于10附近，即阶次10左右会使相应的目标函数最小化，符合定阶准则的要求，使用CAT定阶准则预测的阶次较小，在5~10之间。
图4.2（见下页）为另一例信号的阶次估计情况，从中也可以得到同样的结论。
（注，实验信号为实验室所得，没有上传）登录/注册后可看大图图片1.JPG(28.68KB,下载次数:5674)下载附件 保存到相册2009-8-2820:54上传

用克鲁斯卡尔算法实现最小生成树有算法思想源代码流程图试验结果

小波包原创特征检测Matlab程序,包含试验测出来的数据，可以用于学习和毕业论文，直接下载可用

ASTM B250 - 铜合金线的通用要求规范ASTM B250 是美国材料和试验协会（ASTM）发布的一份规范，旨在规定铜合金线的通用要求。
该规范涵盖了铜合金线的化学成分、物理和机械性能等方面的要求，并为铜合金线的生产和应用提供了统一的标准。
1. 范围ASTM B250 适用于铜合金线的生产和应用，包括自由切割黄铜棒、柱、形状的生产，以及 Copper-Silicon 合金线、磷磷铜合金线、铜贝リル合金线、铜镍锌合金线等各种铜合金线的生产。
2. 引用文件ASTM B250 规范引用了多个 ASTM 规范，包括 B 16/B 16M、B 99/B 99M、B 134/B 134M、B 159/B 159M、B 193、B 194、B 197/B 197M、B 206/B 206M 等，涵盖了铜合金线的化学成分、物理和机械性能等方面的要求。
3. 化学成分ASTM B250 规范规定了铜合金线的化学成分，包括铜的含量、杂质的含量、合金元素的含量等。
例如，自由切割黄铜棒、柱、形状的化学成分要求为 Cu+Ag 58.5% min、Pb 1.5% max、Fe 0.10% max 等。
4. 物理性能ASTM B250 规范规定了铜合金线的物理性能，包括 密度、电阻率、热导率、热膨胀系数等。
例如，铜合金线的密度要求为 8.94 g/cm³ min。
5. 机械性能ASTM B250 规范规定了铜合金线的机械性能，包括抗拉强度、抗压强度、延伸率、硬度等。
例如，铜合金线的抗拉强度要求为 450 MPa min。
6. 单位ASTM B250 规范规定了两种单位系统：SI 单位系统和英制单位系统。
例如，铜合金线的尺寸可以用 mm 或英寸表示。
7. 编辑记录ASTM B250 规范的编辑记录包括了所有的编辑变化和修订记录，以便用户了解规范的变化和发展。
ASTM B250 规范为铜合金线的生产和应用提供了统一的标准，涵盖了化学成分、物理和机械性能等方面的要求，为铜合金线的生产和应用提供了重要的指导作用。

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。