微盟源码完全可以跑起来，微信公众接口配置也没问题，很好的代码

《MIXAMO CONVERTER v2.4：将MIXAMO资源无缝导入UE的利器》 在游戏开发和3D动画制作领域，MIXAMO与Unreal Engine（UE）是两个备受青睐的工具。MIXAMO以其丰富的预设角色动画库和便捷的人物绑定服务，深受用户喜爱；而Unreal Engine则以其强大的实时渲染和物理模拟功能，成为众多开发者的选择。然而，将MIXAMO的资源直接应用于UE有时并非易事，这时就需要辅助工具MIXAMO CONVERTER的介入。 MIXAMO CONVERTER v2.4是一个专门用于帮助用户将MIXAMO的3D动画和模型转换为Unreal Engine兼容格式的工具。这个版本发布于2022年10月29日，旨在解决跨平台资源兼容性的问题，使得MIXAMO的素材能在UE环境中顺畅运行，提高开发效率。 这款工具的核心功能包括： 1. **动画转换**：MIXAMO CONVERTER能够处理MIXAMO导出的FBX文件，将其骨骼动画转化为UE可识别的格式。它会保留原有的关键帧信息，并进行必要的调整，以适应UE的骨骼结构和动画系统。 2. **模型优化**：工具会对模型进行轻量化处理，减少多边形数量，优化纹理贴图，确保在UE中加载快速且不影响视觉效果。 3. **材质适配**：MIXAMO CONVERTER会自动将MIXAMO的材质转换为UE的Material蓝图，保持原有质感，同时兼容UE的光照和渲染特性。 4. **骨架匹配**：由于MIXAMO和UE的骨骼命名和结构可能不同，工具会进行骨架对齐，确保动画正确地应用到UE的角色模型上。 5. **导出设置自定义**：用户可以根据项目需求调整导出设置，如选择导出的动画范围、是否保留源数据等，提供灵活性。 6. **兼容性更新**：MIXAMO CONVERTER v2.4更新了对最新版UE的兼容性，确保在不断更新的游戏引擎环境下依然稳定工作。 使用MIXAMO CONVERTER时，用户需要先下载MIXAMO的动画或模型资源，然后通过工具进行转换操作。解压密码`terribilis`用于访问压缩包内的软件。转换完成后，将生成的文件导入UE，即可直接在项目中使用。 MIXAMO CONVERTER v2.4是一款节省时间和精力的实用工具，它极大地简化了从MIXAMO到UE的工作流程，使得开发者可以更加专注于创意和内容制作，而不是技术难题。对于那些经常在MIXAMO和UE之间切换的用户来说，这款工具无疑是一个不可多得的利器。

QYResearch是全球知名的大型咨询公司，行业涵盖各高科技行业产业链细分市场，横跨如半导体产业链（半导体设备及零部件、半导体材料、集成电路、制造、封测、分立器件、传感器、光电器件）、光伏产业链（设备、硅料/硅片、电池片、组件、辅料支架、逆变器、电站终端）、新能源汽车产业链（动力电池及材料、电驱电控、汽车半导体/电子、整车、充电桩）、通信产业链（通信系统设备、终端设备、电子元器件、射频前端、光模块、4G/5G/6G、宽带、IoT、数字经济、AI）、先进材料产业链（金属材料、高分子材料、陶瓷材料、纳米材料等）、机械制造产业链（数控机床、工程机械、电气机械、3C自动化、工业机器人、激光、工控、无人机）、食品药品、医疗器械、农业等。 邮箱：market@qyresearch.com ### 甜菊糖全球市场研究报告知识点总结 #### 一、甜菊糖简介与特性 - **甜菊糖定义**：甜菊糖，又称甜菊苷，是从菊科植物甜叶菊（*Stevia rebaudiana*）的叶子中提取的一种天然糖苷。 - **特性**： - 甜度极高：约为蔗糖的200至300倍。 - 热量极低：仅为蔗糖的1/300。 - 用途广泛：作为一种天然甜味剂，已在多个国家和地区广泛应用于食品、饮料及调味品中。 - 传统用途：在南美洲作为草药和糖的替代品已有数百年的历史。 #### 二、全球市场概况 - **市场规模预测**：根据QYResearch的最新报告，预计到2029年，全球食品和饮料用甜菊糖市场规模将达到6.5亿美元，年复合增长率为4.7%。 - **市场分布**：亚洲、北美、南美和欧盟等地为甜菊糖的主要消费市场。 - **应用领域**：饮料是甜菊糖的最大下游市场，占市场份额的58.7%。 - **产品类型**：Reb-A系列是市场上的主导产品，约占市场份额的50.2%。 #### 三、市场竞争格局 - **主要生产商**：全球范围内食品和饮料用甜菊糖的主要生产商包括Haotian Pharm、PureCircle (Ingredion)、Shandong Shengxiangyuan、Cargill、Sunwin Stevia、GLG Life Tech Corp、Tate & Lyle等。 - **市场份额**：2022年，全球前五大厂商占据了约68.0%的市场份额。 - **企业排名**：根据QYResearch的研究，全球市场主要企业的排名如下（按市场份额从大到小排列）： - Haotian Pharm - PureCircle (Ingredion) - Shandong Shengxiangyuan - Cargill - Sunwin Stevia - GLG Life Tech Corp - Tate & Lyle - Shandong Huaxian Stevia - Qufu Tianyuan Biotechnology - Morita Kagaku Kogyo - Daepyung - ADM - Chenguang Biotech Group - Biolotus Technology - Jining Aoxing Stevia Products #### 四、市场趋势分析 - **消费者健康意识提升**：随着人们越来越关注健康饮食，低热量、天然来源的甜味剂需求逐渐增加。 - **政策支持**：多国政府出台政策鼓励使用更健康的食品添加剂，甜菊糖作为天然且低热量的选择受到青睐。 - **技术创新**：生产商不断改进提取技术，提高甜菊糖的质量和产量，满足市场需求。 - **应用拓展**：除了饮料外，甜菊糖在烘焙食品、糖果、口香糖等领域的应用也在不断扩大。 #### 五、未来发展展望 - **市场增长潜力**：随着消费者对健康食品需求的不断增加，以及生产商技术的进步，甜菊糖市场有望继续保持稳定增长。 - **可持续性发展**：甜菊糖作为一种天然来源的甜味剂，符合可持续发展的趋势，未来发展前景看好。 - **新兴市场机会**：随着发展中地区生活水平的提高，对于健康生活方式的追求也将推动该地区甜菊糖市场的快速增长。 甜菊糖作为一种天然、低热量的甜味剂，在全球市场上展现出强劲的增长势头。随着消费者健康意识的不断提高和技术的不断进步，甜菊糖的市场前景十分广阔。

大一下程序设计课（c++）做的课程设计。 要求与功能实现： 1）问题描述 住宿学生信息包括：学号、姓名、性别、年龄、班级、用电量、用水量等信 息。教工信息包括职工号、姓名、性别、年龄、工作部门、用电量、用水量等信息。能计算出学生和教工每月所要交的电费和水费。定义一个人员类，实现学生和教工共同的信息和行为。 2）功能要求 （1）添加功能：程序能够添加不同学生和教工的记录，提供选择界面供用 户选择所要添加的类别，要求编号号要唯一，如果添加了重复编号的记录时，则提示数据添加重复并取消添加。 （2）查询功能：可根据姓名、用水量、用电量信息对已添加的学生或教工 记录进行查询，如果未找到，给出相应的提示信息，如果找到，则显示相应的记录信息。 （3）显示功能：可显示当前系统中所有学生和教工的记录，每条记录占据 一行。 （4）编辑功能：可根据查询结果对相应的记录进行修改，修改时注意编号 的唯一性。 （5）删除功能：主要实现对已添加的学生或教工记录进行删除。如果当前 系统中没有相应的记录，则提示“记录为空！”并返回操作。 （6）统计功能：能根据多种参数进行统计。能统计学生和教工的用水用电 量、所要交纳的电费和水费、未交纳水电费的人员信息等。 （7）保存功能：可将当前系统中各类记录存入文件中，存入方式任意。 （8）读取功能：可将保存在文件中的信息读入到当前系统中，供用户进行 使用。 提示：代码是用vs2008+qt4.7写的。最后一个功能没有实现。有些奇奇怪怪的功能不知从何下手，也没实现。有深入了解或问题的可以私信我。 （第一次写gui，自学的。写得烂，大神轻喷） 配套开发环境在此： vs：http://afanihao.cn/vs.jsp qt：https://share.weiyun.com/8bcbb391c9c31f7dd52678583e8e9e08

MATLAB基于卡尔曼滤波的锂蓄电池SOC设计 用自适应卡尔曼滤波方法，基于锂离子动力电池等效电路模型，在未知干扰噪声环境下，在线估计电动汽车锂离子动力电池荷电状态 （SOC）。 采用基本卡尔曼滤波和扩展卡尔曼滤波方法估计电池SOC时，?一般假定噪声为零均值白噪声，且噪声方差已知。 在噪声确定的情况下，基本卡尔曼滤波和扩展卡尔曼滤波方法的估计效果很好，但实际上白噪声不存在。 重述： 使用自适应卡尔曼滤波方法，MATLAB基于锂离子动力电池的等效电路模型设计了一种在线估计电动汽车锂离子动力电池荷电状态（SOC）的方法，以解决未知干扰噪声的环境下的问题。 在估计电池SOC时，采用了基本卡尔曼滤波和扩展卡尔曼滤波方法。通常假设噪声为零均值白噪声且噪声方差已知。虽然基本卡尔曼滤波和扩展卡尔曼滤波方法在噪声方差确定的情况下有很好的估计效果，但实际情况下不存在白噪声。 涉及的 - 锂蓄电池 - 卡尔曼滤波 - SOC（State of Charge，荷电状态） - 锂离子动力电池 - 等效电路模型 相关 1. 锂蓄电池：锂蓄电池是一种充电电池，利用锂离子在正负极之间移动，并在充放电

QTQStringList是Qt库中一个非常实用的数据结构，它继承自QList，专用于存储和操作字符串列表。在Qt编程中，QStringList提供了多种高效的方法来处理字符串集合，包括添加、删除、查找、替换、合并和拆分等操作。 1. **增加字符串**： 使用`append()`方法可以在列表末尾添加一个字符串，例如： ```cpp QStringList fonts; fonts.append("Arial"); fonts.append("Helvetica"); fonts.append("Times"); fonts.append("Courier"); ``` 或者使用C++的重载操作符`<<`，使代码更简洁： ```cpp QStringList fonts; fonts << "Arial" << "Helvetica" << "Times" << "Courier"; ``` 2. **合并字符串**： `join()`方法可以将列表中的所有字符串合并成一个字符串，中间由指定的分隔符隔开： ```cpp QString str = fonts.join(","); // str == "Arial,Helvetica,Times,Courier" ``` 3. **拆分字符串**： 使用`split()`方法可以从一个字符串中创建一个列表，根据指定的分隔符将字符串拆分为多个部分。可选参数`QString::SkipEmptyParts`可以忽略空元素： ```cpp QString str = " Arial,Helvetica, ,Times,Courier "; QStringList list1 = str.split(",", Qt::SkipEmptyParts); // list1: ["Arial", "Helvetica", "Times", "Courier"] ``` 4. **索引操作**： `indexOf()`用于查找给定字符串第一次出现的索引，而`lastIndexOf()`则返回最后一次出现的索引： ```cpp int index = fonts.indexOf("Helvetica"); // index 为 1 int lastIndex = fonts.lastIndexOf("Helvetica"); // lastIndex 也为 1，如果存在多处相同字符串，此值可能不同 ``` 5. **替换字符串**： `replaceInStrings()`方法允许在整个列表中替换特定的字符串： ```cpp QStringList files; files << "$QTDIR/src/moc/moc.y" << "$QTDIR/src/moc/moc.l" << "$QTDIR/include/qconfig.h"; files.replaceInStrings("$QTDIR", "/usr/lib/qt"); // files: ["/usr/lib/qt/src/moc/moc.y", ...] ``` 6. **过滤字符串**： `filter()`方法可以创建一个新的QStringList，其中只包含满足特定条件的字符串，如包含特定子串或匹配正则表达式： ```cpp QStringList list; list << "Bill Murray" << "John Doe" << "Bill Clinton"; QStringList result = list.filter("Bill"); // result: ["Bill Murray", "Bill Clinton"] ``` 7. **遍历QStringList**： 使用迭代器可以方便地遍历QStringList中的每个元素，例如： ```cpp QList::Iterator it = user.begin(), itend = user.end(); int i = 0; for (; it != itend; it++, i++) { if (*it == pFindLine->text()) { QModelIndex index = model->index(i); m_pTabList->setCurrentIndex(index); break; } } ``` 在这个例子中，`begin()`和`end()`分别返回了QStringList的起始和结束迭代器，然后通过for循环遍历整个列表。 在实际开发中，QStringList因其易用性和灵活性，常被用来处理文件名、配置项、用户输入等字符串数据。通过以上方法，开发者可以轻松地实现对字符串列表的各种操作，提高代码的效率和可读性。

1、文件“600519.csv”可以从网址 “http://quotes.money.163.com/service/chddata.html?code=0600519&start=20010827 &end=20221115&fields=TCLOSE;HIGH;LOW;TOPEN;LCLOSE;CHG;PCHG;TURNOVER;VOT URNOVER;VATURNOVER;TCAP;MCAP”下载 2、根据上面的网址，编写程序自动下载中证白酒指数中 17 支股票的数据（即下载 17 个 csv 文件），每支股票的数据应该是从上市起至 2022 年 11 月 29 日。 3、读取所下载的 17 个 csv 文件中有关股票的数据，将数据保存至一个 sqlite3 的数据 库中（sqlite3 的教程及接口示例可参见https://www.runoob.com/sqlite/sqlitetutorial.html）。 4、使用 DTW（Dynamic Time Warping）算法计算贵州茅台（600519）与其它 16 支股票的距离，并将这 16 个距离打印在屏幕上。

用Python实现BP神经网络

"水晶排课13.12（非常好用的版本）"指的是一个特定的课程安排软件，水晶排课的13.12版本。这个版本被用户高度评价，被认为是非常实用和高效的。 "非常好用的版本，下到就赚到"意味着该软件在功能和用户体验上达到了较高的水准，用户下载并使用后，可以感受到其带来的便利，认为它是值得下载和使用的。"赚到"一词通常用来形容得到超乎预期的好处或价值。 "源码软件"表明这个软件提供源代码，用户或者开发者可以查看、学习甚至修改软件的内部工作原理。这对于程序员和教学来说是宝贵的资源，他们可以通过源码了解软件设计思想，进行二次开发或定制化。 【压缩包子文件的文件名称列表】中包含的文件有： 1. 示例数据.yqd：这可能是一个特定格式的数据文件，用于演示或测试软件的功能，例如包含一些预设的课程、教师、教室等信息。 2. 水晶排课.exe：这是软件的可执行文件，双击运行后即可启动水晶排课软件。用户通过这个程序与软件交互，完成排课任务。 3. update.exe：这可能是软件的更新程序，用户可以通过它来检查和安装软件的最新更新，以获取新功能、性能提升和错误修复。 4. info.ini和infotxt.ini：这些都是配置文件，存储软件的一些设置信息和文本描述，可能包含了关于软件版本、作者、许可协议等细节。 5. sjpkReg.dll：这是一个动态链接库文件，通常包含了一些特定功能的代码，如注册、授权相关的逻辑，对于软件的运行是必要的。 6. help.chm：这是一个帮助文件，采用CHM（Microsoft HTML Help）格式，用户可以通过它来查找软件的使用指南、功能介绍和故障排除信息。 7. db.dat：这可能是一个数据库文件，存储了软件运行所需的数据，比如课程表、教师和学生的信息等，是软件进行排课操作的基础。 水晶排课13.12版本是一款提供源码的课程安排软件，具备优秀的用户体验。它包含各种必要的文件，如可执行文件、配置文件、帮助文档和数据库，用户不仅可以直接使用，还能通过源码学习编程知识。同时，提供的示例数据和更新工具确保了用户能够快速上手并保持软件的最新状态。

### 随机过程与概率空间的深度解析 #### 核心知识点：概率空间与随机试验 概率空间作为概率论的基础框架，它由三部分组成：样本空间\(S\)、\(\sigma\)-代数\(\mathcal{F}\)以及概率测度\(P\)。样本空间\(S\)包含了随机试验的所有可能结果，而\(\sigma\)-代数\(\mathcal{F}\)则是定义在\(S\)上的特定子集族，这些子集代表了我们感兴趣的事件。概率测度\(P\)则赋予\(\mathcal{F}\)中的每一个事件一个介于0和1之间的数值，代表该事件发生的可能性。 随机试验具备三个关键特性：可重复性、结果的多样性以及结果的不确定性。样本空间\(S\)中每一个具体的结果被称为样本点或基本事件。特别地，\(S\)本身被视为必然事件，而空集\(\emptyset\)则被理解为不可能事件。 #### 集合运算与事件的数学表示 由于事件本质上是样本空间\(S\)的子集，集合的运算（并、交、差等）同样适用于事件。这些运算帮助我们构造更为复杂的事件，例如两个事件同时发生（交集）、至少一个事件发生（并集）或者一个事件没有发生（补集）。 #### 随机变量的分类与描述 随机变量是概率空间到实数空间的映射，用于描述随机试验的定量结果。根据其取值特性，随机变量可以分为两类：离散型和连续型。 1. **离散型随机变量**：这类随机变量的取值是有限个或可数无限个实数，其概率分布可以通过概率质量函数（probability mass function, PMF）或分布列来描述。PMF给出每个可能值对应的概率。 2. **连续型随机变量**：与离散型不同，连续型随机变量的取值范围通常是实数集的一个区间。它们的概率分布由概率密度函数（probability density function, PDF）描述。值得注意的是，PDF并不直接给出某一点的概率，而是提供了一种计算区间内随机变量出现概率的方法。 #### 维度扩展：多维随机变量 多维随机变量是随机变量理论的自然延伸，它们可以是多个独立或相关的单维随机变量的组合。多维随机变量的分布描述涉及到联合分布函数、联合概率质量函数（对于离散型）和联合概率密度函数（对于连续型）。联合分布函数描述了多维随机变量各个分量同时落入某一区域内的概率。 #### 数字特征：数学期望与方差 随机变量的数学期望和方差是重要的数字特征，分别反映了随机变量的中心位置和波动程度。数学期望是所有可能取值按照各自概率加权求和的结果，而方差衡量的是随机变量取值与其期望值的偏离程度。 #### 相关性与独立性 两个或多个随机变量之间的关系可以通过协方差和相关系数来量化。如果协方差为零，则随机变量被认为是不相关的；而相关系数不仅衡量了随机变量的线性相关程度，还提供了方向信息。独立性是一个更强的条件，意味着两个随机变量在统计学意义上没有相互依赖，即使在知道了其中一个变量的信息后，另一个变量的分布也不会改变。 #### 特征函数与变换 特征函数、母函数和拉普拉斯变换是处理随机变量分布的重要工具，它们提供了从不同角度理解和分析随机变量特性的方法。特征函数尤其在处理复杂分布时显得尤为重要，因为它能够简化许多数学计算，特别是在求解随机变量和或积的分布时。 随机过程的研究涉及了从基础的概率空间构建到复杂随机变量的分析，每一环节都紧密相连，共同构成了现代概率论与统计学的基石。通过对随机过程深入的理解，我们可以更有效地应对现实生活中的不确定性和变化，从而做出更加合理的决策。