我是使用pymssql完成的sqlserver，首先下载符合版本的pymssql的whl，然后安装，在pycharm的default setting->project Interpreter中确定项目的Interpreter有pymssql，然后就开始了~ ` # -*- coding:utf-8 -*- import hashlib import hmac import json import pymssql from requests import Response from rest_framework import status, generics from rest_framewo

针对现有方法在高密度场景人群密度估计不够准确的问题，提出了Gabor滤波结合最小二乘支持向量机（LS-SVM）的人群密度估计算法。首先，设计一组单独的二维Gabor滤波器应用在人群图像中以产生相应的滤波通道。然后，通过计算这些通道上灰度值的均值和方差得到特征向量。最后，采用最小二乘支持向量机分析特征向量和人数之间的关系，完成最终的密度估计。在UCSD数据集和Mall数据集上的实验显示，提出的方法实现了更快的执行时间和更好的精度，证明了基于Gabor滤波器和LS-SVM的人群密度估计算法的有效性。

BP+近邻KNN+LS最小二乘算法的matlab代码——亲测可用（含实例）

milishell程序包含.c和.h

dyna最新版手册，LS-DYNA_Manual_Volume_II_R11，英文版，必备！

基于Spartan 3S500E实现了JPEG-LS的图像无损压缩标准IP核,首先对全局时钟进行了优化,保证编码器同步工作,进一步采用先进先出的缓冲技术设计了图像输入数据流水线,保证了编码的实时性;整体设计采用自顶向下的层次式设计方法,由VHDL和Verilog语言混合编写设计文件,最终形成了高效的IP核。与其他同类IP核相比占有更少的硬件资源。

负载敏感（LS）控制系统 工作原理与操作 ——Load Sensing Sytem-Principle and Operation 王清岩[译] CCE（JLU,CHINA）15-09-2005

信道估计基于导频的LS算法，matlab仿真程序进行实现！！

为了评估所提出的基于三基站观测距离EKF融合滤波算法和传统的三基站观测距离LS定位算法的性能，假设系统的过程噪声和观测噪声都是服从均值为零，方差分别为10-8m和10-2m且彼此独立分布的高斯白噪声。已知三个参考基站的位置分别位于为(0，0)、(10，0)和(10，10)处，做匀加速直线运动的目标在初始时刻的状态向量 ，初始状态协方差矩阵 为6×6的单位矩阵。EKF融合滤波算法和LS定位算法的定位性能仿真结果如图1所示，图2展示了EKF融合滤波算法和LS定位算法的定位误差，图3展示了EKF融合滤波算法和LS定位算法的定位误差累积分布函数CDF。

介绍了关于LG指令手册的详细说明，提供LS的技术资料的下载。