资源是SR显著图提取算法的MATLAB代码，资源下载后直接能用，解压后打开test.m，然后运行即可。
相关的资料请参考博文https://blog.csdn.net/weixin_42647783/article/details/81415480，谢谢~
相关的资料请参考博文https://blog.csdn.net/weixin_42647783/article/details/81415480，谢谢~
2024/6/21 15:18:20
216KB
1
defGMM_algorithm(iterMax,gmm,dataset):'''高斯混合聚类算法:paramiterMax:最大迭代次数:paramgmm:保存gmm模型的数据:return:簇划分结果'''step=0m=len(dataset)flagMat=np.mat(np.zeros((m,1)))#保存每个样本的簇标记lateProbMat=np.mat(np.zeros((m,3)))#保存后验概率whilestep3):k+=1print(k)mark=['or','ob','og','ok','^r','+r','sr','dr','＜r','pr']#画出所有样例点属于同一分类的绘制同样的颜色foriinrange(numSamples):
2024/5/18 3:22:23
183KB
1
参考《16位5级流水无cache实验CPU课程设计实验要求》文档及其VHDL代码，在理解其思想和方法的基础上，将其改造成8位的5级流水无cache的实验CPU，包括对指令系统、数据通路、各流水段模块、内存模块等方面的改造。
利用VHDL语言编程实现，并在TEC-CA平台上进行仿真测试。
为方便起见，后续16位5级流水无cache实验CPU简记为ExpCPU-16，而8位的则记为ExpCPU-8。
对于内存模块的改造，参考《计算机组成原理》课程综合实验的方法，独立设计一块8位的RAM。
（1）利用TEC-CA平台上的16位RAM来存放8位的指令和数据；
（2）实现一条JRS指令，以便在符号标志位S=1时跳转。
需要改写ID段的控制信息，并改写IF段；
（3）实现一条CMPJDR,SR,offset指令，当比较的两个数相等时，跳转到目标地址PC+1+offset；
（4）可以探索从外部输入指令，而不是初始化时将指令“写死”在RAM中；
（5）此5段流水模块之间，并没有明显地加上流水寄存器，可以考虑在不同模块间加上流水寄存器；
（6）探索5段流水带cache的CPU的设计。
利用VHDL语言编程实现，并在TEC-CA平台上进行仿真测试。
为方便起见，后续16位5级流水无cache实验CPU简记为ExpCPU-16，而8位的则记为ExpCPU-8。
对于内存模块的改造，参考《计算机组成原理》课程综合实验的方法，独立设计一块8位的RAM。
（1）利用TEC-CA平台上的16位RAM来存放8位的指令和数据；
（2）实现一条JRS指令，以便在符号标志位S=1时跳转。
需要改写ID段的控制信息，并改写IF段；
（3）实现一条CMPJDR,SR,offset指令，当比较的两个数相等时，跳转到目标地址PC+1+offset；
（4）可以探索从外部输入指令，而不是初始化时将指令“写死”在RAM中；
（5）此5段流水模块之间，并没有明显地加上流水寄存器，可以考虑在不同模块间加上流水寄存器；
（6）探索5段流水带cache的CPU的设计。
2024/3/14 23:02:54
2.29MB
1
此文件包括三个关于图像显著性的代码，每个模型单独成一个文件夹，并用其模型名称命名，三个模型分别是ITTi模型、GBVS模型和SR模型，这三个模型都是使用MATLAB实现的，下载后可以直接使用MATLAB运行，另文件附有一个链接。
2024/2/9 20:33:08
9.2MB
1
扩展卡尔曼滤波(EKF)，平方根扩展卡尔曼滤波(SREKF,SR-EKF)，无迹卡尔曼滤波(UKF)，平方根无迹卡尔曼滤波代码(SR-UKF)，还有example和test，使用cmake编译,代码非常实用，
2023/12/9 4:03:53
598KB
1
只适用于18.1，19.0，20.0，21.1和2017版软件，第一次开发，不清楚各版本的SR升级包是否影响该工具的运行，如果需要在其它版本或者其它SR版本运行的，私聊
2023/11/1 3:24:39
26KB
1
TTS（Text-To-Speech）是指文本语音的简称,即通过TTS引擎把文本转化为语音输出。
TTS语音引擎有微软TTS语音引擎等。
微软TTS语音引擎提供了Windows Speech SDK开发包供编程者使用。
Windows Speech SDK包含语音合成SS引擎和语音识别SR引擎两种，语音合成引擎用于将文字转换成语音输出，语音识别引擎用于识别语音命令。
TTS语音引擎有微软TTS语音引擎等。
微软TTS语音引擎提供了Windows Speech SDK开发包供编程者使用。
Windows Speech SDK包含语音合成SS引擎和语音识别SR引擎两种，语音合成引擎用于将文字转换成语音输出，语音识别引擎用于识别语音命令。
2023/10/25 22:57:51
75KB
1
近期，AAAI2021所有paperlist放出，本文发现基于序列推荐（SequentialRecommendation，SR）相关的接受paper还不少，序列推荐这几年比如时序性行为分析、冷启动序列推荐、线上实时推理机制等等一些列前沿的方法和应用受到了很多人的关注，也是当前比较火的topic。
2023/8/30 1:34:32
4.34MB
1
采用激光诱导击穿光谱（LIBS）技术结合偏最小二乘判别分析（PLS-DA）对新疆、青海和俄罗斯的白色软玉进行产地研究。
选取产自新疆（和田、于田、且末）、青海（格尔木）、俄罗斯（贝加尔湖）的146个白色软玉样品作为样品集，从样品集中随机抽取111个样品作为校正集，用于建立PLS-DA识别模型，剩余35个样品作为验证集，用于检验PLS-DA识别模型的预测效果。
采用LIBS对三个产地的软玉样品进行成分分析，选择Na、K、Al、Li、Be、Mn、Sr、Zr、Ba、Y、Ce作为目标元素，并选取589.995，766.490，396.152，670.793，313.042，257.610，407.771，389.138，455.403，437.493，401.239nm处的谱线作为目标元素的分析谱线，选取Si元素作为内标元素，以其在288.158nm处的谱线作为内标元素分析谱线，分别计算各目标元素与内标元素的谱线强度的比值Rx，由Rx组成自变量矩阵，用于模型的建立与预测。
实验结果表明，采用LIBS结合PLS-DA建立的产地识别模型，其校正自变量和验证自变量与实际分类变量的相关系数都大于0.9
选取产自新疆（和田、于田、且末）、青海（格尔木）、俄罗斯（贝加尔湖）的146个白色软玉样品作为样品集，从样品集中随机抽取111个样品作为校正集，用于建立PLS-DA识别模型，剩余35个样品作为验证集，用于检验PLS-DA识别模型的预测效果。
采用LIBS对三个产地的软玉样品进行成分分析，选择Na、K、Al、Li、Be、Mn、Sr、Zr、Ba、Y、Ce作为目标元素，并选取589.995，766.490，396.152，670.793，313.042，257.610，407.771，389.138，455.403，437.493，401.239nm处的谱线作为目标元素的分析谱线，选取Si元素作为内标元素，以其在288.158nm处的谱线作为内标元素分析谱线，分别计算各目标元素与内标元素的谱线强度的比值Rx，由Rx组成自变量矩阵，用于模型的建立与预测。
实验结果表明，采用LIBS结合PLS-DA建立的产地识别模型，其校正自变量和验证自变量与实际分类变量的相关系数都大于0.9
2023/7/27 20:56:48
5.55MB
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