网上的dpm算法源码matlba实现voc-release3.1是在mac环境下的matlab中编译运行的，在windows下不能跑，本人对其修改后，可以在windows下的matlba中可以运行。

hash算法ripemd160，c语言编写

大量dsp经典算法，源代码都有，直接调用，包含了滤波器、fft、卷积等计算大量计算，都是经过验证的，可以直接调用，比用TI的dsp lib库方便，且都有源代码

介绍 使用失真校正，图像校正，颜色变换和梯度阈值构建了先进的车道发现算法。 确定车道曲率和车辆排量。 克服了诸如阴影和人行道改变等环境挑战 在这个项目中，我使用了计算机视觉技术来识别车道边界，并在给定道路视频帧的情况下计算曲率半径的估算值。 为此，请执行以下步骤： 给定同一台摄像机拍摄的一组棋盘图像，计算出摄像机校准矩阵和所使用的摄像机镜头的畸变系数 使用上述矩阵和系数来校正相机原始输出所给的失真 使用颜色变换和sobel算法创建阈值二值图像，该图像已从图像上不必要的信息中滤除 应用透视变换以查看图像的“鸟瞰图”，就像从天空中看一样 应用遮罩以获得感兴趣的区域，检测车道像素， 确定每个车道的最佳拟合曲线 将车道边界投影回到原始视图的未失真图像上 输出车道边界和其他相关信息的可视显示 如何使用 您需要设置依赖项才能在计算机上运行Jupyter Notebook并设置一些软件包，例如op

解释算法 这里我尽量解释算法。 部分是为了好奇的人，部分是为了我未来的自己。 如果有人发现这很有用，我会非常慌张。 另外，如果您发现任何错误，请不要犹豫，打开一个问题。

anti_sign逆向app集合 仅供学习，如有侵权，请告知。 最近逆向的app：中国移动、中国电信、微信 joyrun: 悦跑圈 tianyancha: 天眼查 caocao: 曹操专车 umetrip: 航旅纵横 varliflight: 飞常准 qichacha: 企查查 qixinbao： 启信宝 最近逆向 20200715 微信，从app到pc端，一层一层分析，最后把聊天备份文件解析完成，包含Backup.db，BAK_0_TEXT和BAK_0_MEDIA，因为涉及到商业机密，我就只能说以下几点。 Backup.db存储的是索引信息 BAK_0_TEXT是消息内容集合，采用的是protobuf协议+AES加密存储 BAK_0_MEDIA是所有媒体资源的集合。采用AES加密存储 QQ: 数据库文件用了xxtea加密，符合QQ一贯作风，解密完后数据库是sqlite，随便打开。 消息内

淘宝花钱购买的.放出来贡献大家。 1.例程基于keil，工程位置：\stepmotor-both2014xxx\RT-Thread_1.2.0\bsp\stm32f10x\project.uvproj 2.例程里面的操作系统是RT THREAD，这是国产开源操作系统，如果有兴趣可以使用，但是例程与操作系统无关。 3.算法主要在motor.c ,motor_it.c 以及MotorStart.c MotorStart.c是主要上层代码，主要演示了电机的位置控制代码 motor_it.c是PWM（S型曲线）和TIM（SPTA）的中断函数，SPTA算法在中断函数里TIMX_IRQHandler_SPTA。 motor.c里面是驱动，串口初始化、电机控制口初始化、电机运行参数初始化等都在里面。 4.有些客户需要通过串口命令控制电机，在motor.c里面Deal_Cmd函数实现了复位、速度控制、停止控制、位置控制功能可供用户参考

可扩展且灵活的概率PCA用于大规模遗传变异数据 笔记： 现在不维护该存储库。 请检查 我们提出了一种可扩展且精确的算法来计算遗传变异数据的主要成分。 我们的方法基于先前提出的概率PCA，PPCA的潜在变量模型（Roweis，1999； Tipping和Bishop，1999），其中PCA出现在小方差极限内。 潜在变量模型公式化导致了一种迭代EM算法，该算法用于计算具有时间复杂度O（KMN）的主成分，以每次迭代计算N个个体和M个SNP上的K个主成分。 入门 这些说明将为您提供在本地计算机上运行并运行的项目的副本，以进行开发和测试。 先决条件 在Linux机器上，需要以下软件包才能编译和使用软件包。 g++ cmake make 正在安装 安装FastPPCA非常简单。 只需在linux机器上发出以下命令 git clone https://github.com/aman71197/fa

unbeatable_tictactoe 无与伦比的 Tic Tac Toe 玩用 python 2.7 编写的 AI 这是我玩 AI 时无法击败的 Tic Tac Toe。 我在做这个的时候没有遵循任何传统的算法（比如 minimax），我只是使用了我自己的 Tic Tac Toe 策略，并在试错过程中对代码进行了更正。 它在不输给人类方面做得很好，但其中可能存在一些错误。 我个人从未击败过它，但是如果您找到任何击败它的方法，请通过 Github 告诉我或发送电子邮件至

内包含STM32电机S/Spta算法控制源码例程（PWM/定时器基准，已亲测应用），附带加减速效果曲线加速器和步进伺服电机曲线计算参数表，以及核心算法说明。