python小程序，用来提取lammps生成的log文件中某一类数据并导出到excel表格中

知网 * 通过发送解析包形式抓取数据，相比于使用selenium等方式性能稍高一些。 * 可使用知网高级检索功能进行搜索，更高效检索文献。 * 可根据网络及知网反爬虫情况选择性开启详细信息抓取及下载caj文献功能。 * 利用excel表格快速查看所需文献摘要等信息，可根据excel提供下载链接选择性下载，防止下载过快导致知网反爬。 # 使用方法 ## 安装依赖 >在验证码处理部分使用了`tesserocr`，不过验证效果目前不是很好，所以默认开启手动识别验证码。 > >如果本地没有安装`tesseract`，可以先安装这个，再执行`pip install tesserocr`。或者将`CrackVerifyCode.py`文件第15、63、64行注释后再执行安装命令。 ```shell pip install -r requirements.txt ```

1）可以直接使用docker直接本地部署运行，整个项目在docker hub上压缩后200MB，本地占用500MB磁盘空间。 2）使用Docker解决了Python库安装问题，使用Mariadb（MySQL）存储数据。借助akshare抓取数据。 3）使用cron做定时任务，每天进行数据抓取计算，每天18点开始进行数据计算，计算当日数据，使用300天数据进行计算，大约需要15分钟计算完毕。 4）股票数据接口防止被封，按天进行数据缓存，储存最近3天数据，每天定时清除，同时使用read_pickle to_pickle 的gzip压缩模式存储。 5）使用tornado开发web系统，支持每日股票数据-东财，龙虎榜-个股上榜-新浪，数据中心-大宗交易行情等。 6）数据展示系统，是通用数据展示系统，配置字典模板之后，页面自动加载数据，并完成数据展示，后续自己开发的指标数据可以加入进去。 7）增加曲线数据分析，在查看股票中，可以直接跳转到东方财富页面查看相关信息，点击指标之后使用Bokeh将多达 17 个指标的数据绘图，进行图表展示。 8) 2.0 最大的更新在于替换tushare库（因部分库不

使用python进行股票分析和选股.zip

# 功能分析（需求分析） 1. 基于QT平台，使用OpenGL进行obj文件加载显示； 2. 使用鼠标对场景进行缩放、移动、旋转交互； 本资源有对应的项目介绍，详见同名CSDN博文。《基于QT使用OpenGL，加载obj模型，进行鼠标交互》 本项目资源整体框架简单，清晰，适合初步学习使用。 基于QT的QOpenGLWidget类进行派生，对鼠标事件进行重载，使用OpenGL可编程渲染模式开发，涉及着色器程序的编写，并进行了相机、渲染器、物体类的抽象。还编写了obj文件解析类，同时还可以基于本框架进行stl文件类的编写。资源还包含两个obj测试文件，一个是小兔子bunny.obj，一个是跑车Cayman_GT.obj。 使用开发环境：qt5.15.2, MSVC2019_64bit；使用mingw也可以运行

此提交包含MATLAB脚本，这些脚本将在Simscape Electric-Specialized Power Systems中自动构建IEEE 123节点测试馈送器。 该模型是“准稳定”模型，这意味着它以最少的仿真步骤捕获了一个工作点。 这等效于潮流，但可以在时域环境中评估多个工作点。 可从以下URL http://sites.ieee.org/pes-testfeeders/files/2017/08/feeder123.zip下载IEEE 123节点测试馈送器基准数据，该数据基于以下参考，

matlab改变代码颜色MDL4OW 的源代码和注释： 刘胜杰，石谦和张良培。 使用多任务深度学习的未知类的少量快照高光谱图像分类。 IEEE TGRS，2020年。 接触： 代码和注释在此处发布，或检查 概述 普通：错误分类道路，房屋，直升机和卡车 以下是正常/封闭式分类。 如果您熟悉高光谱数据，您会发现培训样本中未包含某些材料。 例如，对于上方的图像（萨利纳斯山谷），道路和农田之间的房屋无法分类为任何已知类别。 但是，深度学习模型仍然必须分配标签之一，因为从不教它识别未知实例。 我们的工作：用黑色掩盖未知的事物 我们在这里所做的是，通过使用多任务深度学习，使深度学习模型具有识别未知事物的能力：那些被黑色掩盖的事物。 对于上方的图像（萨利纳斯山谷），农田之间的道路和房屋已成功识别。 对于下图（帕维亚大学校园），直升机和卡车被成功识别。 钥匙包 tensorflow-gpu==1.9 keras==2.1.6 libmr 在Windows 10的Python 3.6上测试 推荐Anaconda，Spyder 如何使用 高光谱卫星图像 输入图像的大小为imx×imy×通道。 卫星图像是标

在TCP-ip、计算机网络、网络操作系统、网络系统集成等等课程都会用到ensp，大家很难找到因为官网也没有相关的软件，就算下载上了也因为版本不匹配而烦恼，今天我就给大家提供一个压缩包，非常好用，大家想用的可以下载！！！

使用卷积加循环神经网络加注意力机制进行时间序列预测。 适用于不懂时间序列预测流程的研究小白，使用这个资源能够很好的理解时间序列预测的整个流程。熟悉数据在网络中的形状变换。代码拿来修改一下数据集路径和些许参数即可运行。

代码主要是基于蒙特卡洛和copula函数生成考虑风光空间相关性的出力，并用kmeans进行场景缩减，得到典型日风光出力及其概率，并且可以改变场景生成数量及缩减场景的数量