gamma函数阶乘的推广小数的阶层//参考数据//gamma(0.1)=9.513507698668731836292487177265402192550578626088377343050//gamma(0.2)=4.590843711998803053204758275929152003434109998293403017788//gamma(0.3)=2.991568987687590628312516515904917791112806024921715112744//gamma(0.4)=2.218159543757688223059054021907679450770566501771469582241//gamma(0.5)=1.772453850905516027298167483341145182797549456122387128213//gamma(0.6)=1.489192248812817102394333388321342281320599038759924735338//gamma(0.7)=1.298055332647557785681171179152811617784141170553946247921//gamma(0.8)=1.164229713725303373636320938268458693141961768891187752984//gamma(0.9)=1.068628702119319354897305335694480778169838785060973179049//gamma(1.0)=1//gamma(0.227814641242585501358616865)=4publicstaticvoidMain(string[]args){Console.WriteLine("Γ(0.22781464)={0:F3}",gamma(.22781464F));Console.WriteLine("Γ(0.22781464)={0:F6}",gamma(.22781464D));}

针对传统单通道被动太赫兹波成像系统的效率低、结构复杂的缺点，设计了一种基于曲柄摇杆机构的光机扫描太赫兹波成像系统。
使用曲柄摇杆机构对行扫描镜实现快速驱动，同时配合场反射镜的运动完成对成像目标的二维扫描。
通过使用390mm口径的卡塞格林天线以及94GHz太赫兹波辐射计完成对目标的快速成像。
实验表明，系统单帧成像时间为20s，成像视场角为30°×36°，角分辨率可达0.6°。
在室内条件下，可以很好地对人体进行成像，并能有效地探测隐藏在衣物下的危险物品。
该系统具有成本低、效率高、结构简单等特点，对实现被动太赫兹成像系统的小型化、快速化有较高的参考价值。

monoDevelopwindows安装版本

LED作为一种新型，热门，环保的光源，LED调光是很重要的，LED调光经常用于酒店和剧院，营造气氛，创造亲密的感觉，愉悦食客和观众。
对于会议室和报告大厅来说，调光还可以降低能耗和增强空间的功能。
调光减少不必要的电线，以进一步实行节能减排也是一件很重要的事。
而对于LED光源来说，调光也比其他的荧光灯，节能灯，高压钠灯更容易实现。
此外，LED的调光范围也比紧凑型荧光灯和高强度放电灯更广。
相比于紧凑型荧光灯10%~30%的调光剩余（数据来源于美国电气制造协会NEMA），高强度放电灯30%~60%的调光剩余（数据来源于美国照明产品信息工程NLPIP），LED的调光剩余能做到输出全载的1%以下。

指数平滑法的计算中，关键是α的取值大小，但α的取值又容易受主观影响，因此合理确定α的取值方法十分重要，一般来说，如果数据波动较大，α值应取大一些，可以增加近期数据对预测结果的影响。
如果数据波动平稳，α值应取小一些。
理论界一般认为有以下方法可供选择：　　　经验判断法。
这种方法主要依赖于时间序列的发展趋势和预测者的经验做出判断。
　　1、当时间序列呈现较稳定的水平趋势时，应选较小的α值，一般可在0.05～0.20之间取值；
　　2、当时间序列有波动，但长期趋势变化不大时，可选稍大的α值，常在0.1～0.4之间取值；
　　3、当时间序列波动很大，长期趋势变化幅度较大，呈现明显且迅速的上升或下降趋势时，宜选择较大的α值，如可在0.6～0.8间选值，以使预测模型灵敏度高些，能迅速跟上数据的变化；
　　4、当时间序列数据是上升（或下降）的发展趋势类型，α应取较大的值，在0.6~1之间。
　　试算法。
根据具体时间序列情况，参照经验判断法，来大致确定额定的取值范围，然后取几个α值进行试算，比较不同α值下的预测标准误差，选取预测标准误差最小的α。
　　在实际应用中预测者应结合对预测对象的变化规律做出定性判断且计算预测误差，并要考虑到预测灵敏度和预测精度是相互矛盾的，必须给予二者一定的考虑，采用折中的α值。
下期预测数=本期实际数×平滑系数+本期预测数×（1-平滑系数）如某种产品销售量的平滑系数为0.4，1996年实际销售量为31万件，预测销售量为33万件。
则1997年的预测销售量为：1997年预测销售量=31万件×0.4+33万件×（1-0.4）=32.2万件

Windowsx64安装程序,非压缩存档。
JavaSE开发套件11.0.6（JDK_11）官网下载地址：https://www.oracle.com/java/technologies/javase-jdk11-downloads.html

解决了原版无法解析转义字符的问题。
解决了保存数据时Unicode字符未转义的问题。

通过2个指定的WAV文件进行读取并比对其相似百分比。
使用方法：1)压缩包中的2个dll解压放入bin文件夹中，且在项目中引用dll文件WAVECompare.dll2）调用代码（参数60表示，相似度达到60%则算及格，程序将正整数，否则返回负整数）WAVECompare.WAVEObjectobjWAV=newWAVECompare.WAVEObject();int_result=objWAV.ToCompare(60,@"E:\11.wav",@"E:\22.wav");Response.Write(_result.ToString());

基于multisim的调幅发射机--要求截波1MZ，正弦波调制信号1KHZ正弦波，调制度0.6，用示波器观测1KHZ信号波形，记录幅度大小，频率值用示波器观测调制器输出波形，记录波形幅值大小，用频谱分析仪观测频谱并记录。

setuptools-0.6c11-py2.7.egg

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。