LemmInflect 一个用于英语词形和词尾变化的python模块。 关于 LemmInflect使用字典方法对英语单词进行词素化，并将其转换为用户提供的或标签指定的形式。 该库通过应用神经网络技术对单词外词（OOV）进行分类，以对单词形式进行分类并选择适当的变形规则。 该系统可用作独立模块或作为 NLP系统的扩展。 字典和词法规则来自，其中包含有关英语单词形式的大量信息。 可以使用更简单的仅拐点系统。 LemmInflect的创建是为了解决该项目的某些缺点并添加功能，例如... 从spaCy lemmatizer的独立性 神经网络消除声带形态的歧义 字母拼写法消除拼写和多种单词形

目录文件变化监控和实时文件同步脚本

为了进一步提高室内检测跟踪系统的有效性和稳定性,以经典的混合高斯模型为基础,结合了积分直方图方法,提出了一种室内场景中适应光照变化的运动目标检测算法。该方法通过当前帧和背景帧的全局积分直方图差分来确定光线变化的程度。对于全局的光线突变,进行模型的全局更新。对于局部的光线变化,用光线变化比例作为高斯模型权值更新率因子,实时控制更新速率。再对高斯模型提取的前景,用区域局部积分直方图进行虚假前景的判断和消除,从而进一步提纯真实前景。仿真实验结果表明:算法较好地消除了场景中光照变化对目标检测的影响。

MFC中，可变化的位图按钮，初学者简单易懂。很多初学MFC的朋友们，位图按钮是基础

基于元胞自动机的城市城镇用地变化的预测（Matlab完整程序和数据） 基于元胞自动机的城市城镇用地变化的预测（Matlab完整程序和数据）

目的利用重建后的NDVI时间序列数据研究秦岭地区植被覆盖变化。方法利用非对称高斯拟合算法（AG）对秦岭地区2000--2009年MODISNDVI时间序列数据重建，计算生长季NDVI均值、变异系数及变化趋势，分析秦岭地区2000--2009年植被的时序稳定性和变化趋势。结果①分布于秦岭山区腹地的森林和山间沟谷的灌木植被的时序稳定性较高，而分布在研究区西北部、秦岭北坡、居民聚集地周边农林混合植被，受人类活动的影响，年际波动较大；②研究区西部、东部、秦岭山区腹地。农田覆盖区域改善趋势明显。山区的森林植被和山间

本研究的目的是利用MODIS数据调查苏丹在2001-2013年期间的土地覆盖变化，并确定影响土地覆盖的气候因素。 使用SPSS v 17软件调查气候因子与植被覆盖的相关性。 还使用ArcGIS v 10.2软件分析NDVI数据。 结果表明，在其他月份植被减少的两侧，7月至10月的年平均月尺度，NDVI值曲线分布为中心。 在苏丹平均NDVI的空间分布中，在南部地区发现了很高的价值。 另一方面，北部地区植被覆盖率较低。 NDVI空间意味着呈现特征值：秋季，然后是夏季，然后是冬季。 通过计算年平均NDVI值和季节NDVI值，可以推断出冬季和夏季主要植被覆盖类型以0.014 / 10a和0.008 / 10a的速率增加。 冬季，NDVI在秋季和年尺度分别降低0.001 / 10a和0.026 / 10a的速率。 年度NDVI显示，由于中部和东部地区的退化，该地区的中部和东部地区显着退化（面积= 12705.7 km2，占总面积的0.5％），而南部地区则显着改善（面积= 22485.4 km2，占总面积的0.9％）。降水增加，温度降低。 夏季和秋季的平均NDVI与夏季和秋季的平均降水量的显着性水

为确定2001-2011年间沈阳地区植被的分布特征和年际变化规律,采用NASA地球观测系统(EOS)提供的MODIS陆地植被指数产品MOD13A3,对沈阳地区进行分析,用归一化植被指数(NDVI)作为植被生长状态指标,以2001年植被指数为基准,用其它年份的植被指数与基准作差值处理,根据NDVI变化数据分级标准进行分级,分析了2001-2011年间沈阳地区植被的分布特征和年际变化规律.结果表明:沈阳地区植被覆盖密度由城区中心向周边逐渐增大;2001-2011年沈阳植被总体呈退化趋势;2002-2004年,沈阳城区边缘的植被有轻微退化外,其他地区植被均呈现中度和轻微改善;2005年以后沈阳市城区边缘的植被退化严重;在2008和2010年间,沈阳市周边地区如东陵区东南、苏家屯东南部、沈北新区西南部和于洪区东南部植被均有轻微和中度改善.

U3Dshader-一个能随着角度变化透视窗户内部房间的shader-类似漫威蜘蛛侠的窗户。可以被用在虚拟仿真、VR、或者游戏项目内。可以自定义窗户类型、贴图、景深、透视程度等 可以用在URP或者HDRP管线

基于无线信号强度变化的自动报警定位装置.docx