飞思卡尔智能车竞赛电磁组程序。 1.实现了电感标定 不用因为更换赛道而调节电位器 2.采用归一化算法 使其有更好的适应性 3.FLISH 数据保存，不再因重启而重新修改参数 4.采用独特的参数调节方式，调节灰常方便，至于什么方法就自己研究下吧 。 5.利用MPU6050 进行车子的姿态检测 准确判断坡道和路障。

OC-递归删除控制器-pop返回控制器

Swift-递归删除控制器-pop返回控制器

递归论导论..................................

使用递归算法画一个二叉树，使用Qt实现。

PKU-Chinese-Paraphrase-Corpus 中译名著多译本翻译转述语料。语料仅限于用于科研教学活动。文本著作权归原著者。

针对现有基于大数据和深度学习的目标检测框架难以实现在低功耗移动和嵌入式设备上实时进行视频目标检测的问题，改进了基于深度学习的目标检测框架SSD，提出一种改进的多目标检测框架LSTM-SSD，将其专用于交通场景视频多目标检测。将单图像检测框架与递归神经网络-LSTM网络相结合，形成交织循环卷积结构，通过采用一种Bottleneck-LSTM层提炼传播帧间的特征映射实现了网络帧级信息的时序关联，极大降低了网络计算成本；将时间感知信息与改进的动态卡尔曼滤波算法结合起来，实现了对视频中受光照变化、大面积遮挡等强干扰影响目标的追踪识别。实验表明，改进后的LSTM-SSD在应对多目标、杂乱背景、光照变化、模糊、大面积遮挡等检测难度较大的情况时，均能获得较好的效果，相比于其他基于深度学习的目标检测框架，各类目标识别的平均准确率提高了5%~16%，平均准确率均值提高了约4%~10%，多目标检测率提高了4%~19%，检测帧率达到43 fps，基本满足实时性的要求。其实现了算法精度与运行速率的平衡，取得了较好的检测识别效果。

递归解压并分类 支持 Zip Rar 7z Tar TarGZ

vbm8工具箱在spm8中运行。也就是说，需要将spm8安装到您的 安装vbm8工具箱之前的matlab搜索路径(参见http://www.fil.ion.ucl.ac.uk/spm/和http://en.wikibooks.org/wiki/SPM)。 预处理步骤： （1）T1图像归一化到模板空间，分割为灰质(GM)、白质(WM)和脑脊液(CSF)。预处理参数可以通过预估写入模块进行调整。 （2）在预处理完成后，强烈建议进行质量检查。这可以通过模块“显示所有图像的一片”和“使用协方差检查样本同质性”来实现。两个选项都位于“vbm8检查数据质量”下。 （3）在将gm图像输入统计模型之前，需要对图像数据进行平滑处理。值得注意的是，这个步骤并没有在vbm8工具箱中实现，而是通过标准spm模块“Smooth”实现的。

matlab开发-文件序列重命名重新编号文件递归目录。对一系列文件进行重命名和重新编号；概括使用通配符（*）进行CD、LS…