【安装方法一】自动安装C盘 1.打开软件，顶部菜单点击 编辑(Edit) → 首选项(Preference) → 插件(AAdd-ons) → 安装(Install) ，在弹出的窗口里选择插件*.zip格式文件安装 2.重启Blender，在 文件 → 用户设置 → 插件 里即可看到所安装的插件 【安装方法二】 安装到软件目录盘 把zip格式文件解压出来：把 解压出来的 文件夹 复制到Blender安装路径的addons目录里，如： C:\Blender\2.xx\scripts\addons 打开Blender，在文件-用户设置-插件，即可看到安装的插件

本系统以AT89C52、DS18B20温度传感器、DS1302实时时钟、LCD1602液晶显示屏模块、蜂鸣器、固态继电器模块等元件构成一个自动恒温加热装置。 温度控制的利用在许多的地方都有比较大的发展空间。随着现代电子信息技术的发展，许多质量好而且便宜的温度传感器被设计开发，在温度的检测控制得到了较大的利用。 在此背景条件下，我们选择AT89C52最小系统为总控芯片设计出一个带声光报警系统的恒温箱系统，以DS18B20温度传感器和两个独立按键作为系统与外界的交互模块，可以通过独立按键模块对恒温系统的温度变化范围进行设置，当外界温度传感器的温度过低时，单片机将对其控制下的加热“热得快”进行一定占空比的供电，可以调节加热的速率，当温度过高时，会开启降温模块下的温控小风扇进行模拟降温，从而在一定程度上降低恒温箱的温度，迫使它回归正常的温度范围。

力窃漏电用户自动识别 1.背景与数据分析目的 a.通过电力系统采集到的数据，提取出窃漏电用户的关键特征， b.构建窃漏电用户的识别模型:以实现自动检查、判断用户是否是存在窃漏电行为。 2.数据预处理 通过对拿到的数据进行数据质量分析，检查原始数据中存在的脏数据，通过查看原始数据中抽取的数据，发现存在数据缺失的现象，使用朗格拉日插值法：选取缺失值前5个数据作为前参考组，缺失值后5个数据作为后参考组，处理缺失值程序. 3.挖掘建模 从专家样本中随机选取20%作为测试样本，剩下的80%作为训练样本，初步选择常用的分类预测模型：CART决策树和LM神经网络。 3.1 构建CART决策树模型 3.2 LM神经网络模型 3.3 CART和LM模型对比 结论：LM神经网络的ROC曲线比CART决策树更加靠近单位方形的左上角且LM神经网络的ROC曲线下的面积更大，则LM神经网络预测模型的分类性能更好，更适合应用于窃漏电用户自动识别当中。 将处理后的数据作为模型输入数据，利用构建好的模型（位于工程的tmp中）计算用户的窃漏电结果，并与实际调查结果做对比，对模型进行优化，进一步提高识别准确率。 ——

基于单片机_STM32F103_自动洗衣机控制器设计_报告_ 基于单片机_STM32F103_自动洗衣机控制器设计_报告_ 基于单片机_STM32F103_自动洗衣机控制器设计_报告_ 基于单片机_STM32F103_自动洗衣机控制器设计_报告_ 基于单片机_STM32F103_自动洗衣机控制器设计_报告_ 基于单片机_STM32F103_自动洗衣机控制器设计_报告_ 基于单片机_STM32F103_自动洗衣机控制器设计_报告_ 基于单片机_STM32F103_自动洗衣机控制器设计_报告_ 基于单片机_STM32F103_自动洗衣机控制器设计_报告_ 基于单片机_STM32F103_自动洗衣机控制器设计_报告_ 基于单片机_STM32F103_自动洗衣机控制器设计_报告_ 基于单片机_STM32F103_自动洗衣机控制器设计_报告_ 基于单片机_STM32F103_自动洗衣机控制器设计_报告_ 基于单片机_STM32F103_自动洗衣机控制器设计_报告_ 基于单片机_STM32F103_自动洗衣机控制器设计_报告_ 基于单片机_STM32F103_自动洗衣机控制器设计_报告_

Android界面设计自动生成xml软件

闲鱼自动收货源码最新版本+搭建教程.zip

实验内容： 1）下载人脸识别数据库； 2）测试主成分分析PCA算法分类精度； 3）编写、运行程序并查看结果； 4）调节参数主成分分析PCA算法相关参数，分析其对模型效果的影响。

基于python的大麦网自动抢票工具实现代码

卡密商城 自动发卡商城平台 虚拟商品商城源码独立版开源，ThinkPHP开发，可商用。 安装食用教程： 第一步：下载源码程序上传至服务器根目录 第二步：关闭防跨站攻击，设置运行目录为public，伪静态选择ThinkPHP 第三步：访问域名，进行安装【反复核对数据库信息】

自动驾驶规划控制-nmpc路径规划和mpc路径跟踪 matlab和simulink联合仿真，非线性mpc路径规划，线性mpc路径跟踪