单片机C51与NRF2401结合，完成无线收发模块的设计

无秘 无秘 无秘 2022重制版本--百度大牛带你结合实践重学C++ 百度网盘资源 高清视频+课件 无秘

Haar分类器结合keras-facenet算法实现人脸检测分割及人脸识别考勤系统完整源码+项目说明.zip 【模式识别-人脸识别考勤系统】 利用Haar分类器完成人脸检测、分割；利用FaceNet网络完成人脸识别。 【依赖库】 opencv-python numpy keras-facenet（见 https://pypi.org/project/keras-facenet/ ） Keras TensorFlow 其中，keras-facenet需要下载预训练模型置于~/.keras-facenet目录下，如果你获得的版本在model/目录下没有带该模型，请自行到该库的GitHub仓库页下载，或在第一次调用该库时也会自动下载。 【使用face_manager.py可以进行人脸的录入，注意录入姓名时，之间不要用空格分隔】 【使用main.py可以进行人脸考勤主操作】 准确率达到93.2% 【备注】主要针对正在做毕设的同学和需要项目实战的深度学习cv图像识别模式识别方向学习者。 也可作为课程设计、期末大作业。包含：项目源码、训练好的模型、项目操作说明等，该项目可直接作为毕设使用。

DeviceIoControl() CreateFile() 读取硬件物理网卡mac完整工程实例 Vs2012 c++ 源代码 功能：结合WMI和DeviceIoControl获取网卡原生MAC地址和当前MAC地址 入口参数： iQueryType：需要获取的网卡类型 0：包括USB网卡 1：不包括USB网卡 pMacAddress：存储网卡MAC地址 uSize：可存储的最大网卡数目 返回值： -1：不支持的设备属性值 -2：WMI连接失败

SJTU数字图像处理课设_传统图像处理结合yolov5算法实现电车轨道ROI区域标注及障碍物检测项目源码+项目说明.7z 【SJTU数字图像处理课程设计】 采用传统的数字图像处理方法（边缘检测，透射变换，霍夫变换等）对视频中的电车轨道进行检测和标注，并标注轨道所处的ROI区域，基于此ROI区域使用当下较为流行的YOLOv5目标检测深度学习算法进行区域内的障碍物识别与检测并将其标注。算法最终效果较好，可准确的检测两种环境（白天和夜晚）下的电车轨道并对轨道附近障碍物进行识别。算法识别效率为17FPS，效果较好。 主要任务为完成有轨电车轨道与轨道上障碍物的检测

MATLAB实现PCA-GRU主成分降维结合门控循环单元多输入单输出回归预测（完整源码和数据） 数据为多输入回归数据，输入12个特征，输出1个变量。 运行环境MATLAB2020b及以上。

使用Tensorflow 构建卷积神经网络，训练手势识别模型，使用opencv DNN 模块加载模型实时手势识别 效果如下： 先显示下部分数据集图片（0到9的表示，感觉很怪） 构建模型进行训练 数据集地址 import tensorflow as tf from tensorflow import keras from tensorflow.keras import datasets,layers,optimizers,Sequential,metrics from tensorflow.python.framework.convert_to_constants import conve

vCenter_Server安装和使用简介 一、 vCenter Server 的基本要求 在安装 vCenter Server 之前，确保系统满足最低硬件和软件要求。vCenter Server 需要数据库支持，对于大型部署，建议使用企业版数据库，VMware支持多种 Oracle 和 Microsoft SQL Server 数据库。数据库可以与vCenter Server安装在一台机器上。 　　硬件方面，至少 2 个 CPU， 2.0 GHz 或更快的 Intel 或 AMD 处理器。 软件方面，需要64位操作系统，这里我们安装Windows Server 2003 Enterprise x64 Edition。 二、安装SQL Server 2008企业版数据库 三、安装 vCenter Server 四、创建和管理数据中心

1、结合DBN和ELM的改进DBN-ELM模型 2、文件matlab：包含改进算法的matlab实现 3、mnist: 包含ELM、DBN、DBN-ELM算法在mnist数据集上的表现 4、Skin_NonSkin: 包含ELM、DBN、DBN-ELM算法在Skin_NonSkin数据集上的表现 5、文件python：包含改进算法的python实现 运行环境MATLAB2018b及以上

1、多元回归_LSTM结合PSO算法实现PSO-LSTM多输入单输出(Matlab完整源码+数据) 2、代码运行测试环境为MATLAB2020b，MATLAB实现PSO-LSTM多输入单输出预测。