功能特点 修改PDF信息：修改文档属性、页码编号、页面链接、页面尺寸；删除自动打开网页等动作，去除复制及打印限制；设置阅读器初始模式。 贴心PDF书签编辑器：带有阅读界面（具有便于阅读竖排文档的从右到左阅读方式），可批量修改PDF书签属性（颜色、样式、目标页码、缩放比例等），在书签中执行查找替换（支持正则表达式及XPath匹配、快速选择篇、章、节书签），自动快速生成文档书签。 生成PDF书签：无需手工输入，自动识别正文标题或目录，为PDF文档生成书签。 制作PDF文件：合并已有PDF文件或图片，生成新的PDF文件。合并后的PDF文档带有原文档的书签，还可挂上新书签（或根据文件名生成），新书签文本和样式可自定义。 拆分或合并PDF文件，并保留原文件的书签或挂上新的书签。 高速无损导出PDF文档的图片。 提取或删除PDF文档中指定的页面，调整PDF文档的页面顺序。 根据PDF文档元数据重命名PDF文件名。 调用微软 Office 的图像识别引擎分析PDF文档图片中的文字；将图片PDF的目录页转换为PDF书签。识别结果可写入PDF文件。

概述和组织 Magenta Studio 插件是 Electron 应用程序。Electron 的优势在于它是一个与magenta.js配合得很好的跨平台解决方案。每个插件的代码都位于同名文件夹中。 所有插件共享通用 UI 和通信组件，可以在“组件”文件夹中找到。这些对象是使用Polymer 的 LitElement 构建的。 Ableton 集成是通过Max4Live实现的。对象和相关的 javascript 文件可以在名为“magenta4live.amxd”的文件夹中找到。Max 组件和 Electron 应用程序通过运行在端口 3333 上的本地服务器进行通信。

基于开源搜索引擎工具(如Heritrix +Lucence，或Nutch+Solr)，搭建独立完整的搜索引擎测试平台。 2）垂直搜索行业信息：自主选择某一感兴趣行业，抓取相关行业内容。以抓取结果作为数据库，建立垂直搜索引擎，实现这些网站信息的抽取、索引和检索。网页数目不少于1万条。 3）搜索测试：搭建web平台(建议通过Tomcat实现)，通过web平台实现垂直搜索引擎系统的搜索功能。

预算matlab代码国际劳工大会 gILC是用于非线性系统迭代学习控制（ILC）通用方法的开源软件。 迭代学习控制是对需要重复执行给定任务的动态系统进行开环控制的策略。 其目的是通过使用有关先前试验的跟踪性能的信息来拒绝重复干扰并改善跟踪控制。 gILC允许用户以最小的编码工作量在各种设置中调整算法。 即使对于长控制任务，它也具有出色的计算效率，因此减少了两次试验之间所需的计算时间。 gILC最初由Marnix Volckaert于2012年开发。目前由Armin Steinhauser对其进行维护和修改，以适应新的研究课题。 在这种适应过程中，包括了gILC的Matlab翻译。 笔记 使用gILC之前，请确保获得（至少v3.0）。 可以找到原始发行的软件（v1.3）。 如果无法访问此网站，其内容将打包在doc文件夹中。 版本历史 v1.4，09/2016 更改为CasADi v3.0语法 期望单独的CasADi安装并放弃安装模式 包括Matlab版本 移至Github仓库 v1.3，2012年5月 更新了手册文件 v1.2 包含的选项可提供其他状态的数量（不会设置为等于初始状态值）

可以吧fbx模型转换成.x模型的工具，在directx9中使用

xshell替代工具，SSH开源工具tabby

Arauto 用于时间序列实验和预测的交互式工具 Arauto是一个开源框架，旨在简化建模和实验时间序列分析和预测的过程。 Arauto提供了一个直观的交互式界面，可以使用自回归模型（AR，ARMA，ARIMA，SARIMA，ARIMAX和SARIMAX）探索模型的不同参数。 越来越多的估计器和算法正在研究中。 关于Arauto的博客文章 Arauto在Towards Data Science的Medium博客上得到了推荐。 。 特征 支持外源回归变量（独立变量） 季节性分解可让您了解数据的趋势，季节性和残差 使用增强Dickey-Fuller检验的平稳性检验 自定义数据转换的平稳性：您可以使用从一阶差异到季节性日志来转换数据 ACF （自相关函数）和PACF （偏相关函数）用于项估计 自定义ARIMA术语或让Arauto根据您的数据选择最适合您的 网格搜索功能可进行参数调整 代码生成

网络信息安全信息收集阶段所需要的工具、渠道等汇总，并介绍使用方法，各工具的侧重点几方向，都是一些开源工具、免费的网站等

面向物联网的六大开源中间件工具.doc

OpenIBL 介绍 OpenIBL是基于PyTorch的开源代码库，用于基于图像的本地化（换句话说，就是位置识别）。 它支持多种最新方法，还涵盖了ECCV-2020聚光灯SFRS的正式实施。 我们支持由slurm或pytorch启动的单/多节点多GPU分布式培训和测试。 正式执行： ：用于大规模图像定位的自监督细粒度区域相似性（ECCV'20 Spotlight ） 非官方实施： NetVLAD：用于弱监督位置识别的CNN架构（CVPR'16） SARE：用于大规模图像定位的随机吸引-排斥嵌入（ICCV'19） 常问问题 如何提取单个图像的描述符？ 请参阅。 如何在论文中