WordPress的常规搜索仍有很多需要改进的地方，访客进入博客中，也会通过搜索来查询自己需要的东西，如何让我们博客上的WordPress搜索功能更强大呢？而且更好的为读者服务？那么，就看看今天介绍的这款插件吧！ Search Unleashed这款插件就是对搜索的改进。从中你可以执行对所有日志、页面、评论以及其他元数据的全文搜索。无论你有没有添加或编辑文本，搜索索引都会自动更新，这样你就不必担心它会过时了。 1.下载Search Unleashed插件，将压缩包解压后，把文件夹上传到wp-content/plugins/目录下。 2.登录WordPress管理后台，点击“Plugins”找到上传的插件，激活该插件,即可。 3.激活插件后，在"Tools"版块下点击“Search Unleashed”对页面进行管理，如下图: 如上图中的，它有以下几个模块： Search Index(搜索索引) 当你第一次按照此插件或者安装了其它插件等操作时，你需要在这个页面中，重新更新索引的搜索数据库。 Log(日志) 这个很简单，就是生成搜索的数据库日志，帮助你查看相关信息 Modules 选择搜索的模块，如下图： Options 设置搜索的模板、样式

目的 改进传统的层次分析法。方法 将互反型判断矩阵改为模糊一致性判断矩阵，并把和行归一法或方根法与特征向量法结合使用，提出了改进的模糊层次分析法。结果 指出传统的层次分析法往往会导致判断矩阵不满足一致性条件，需要检验和修正，而且计算精度不高。改进后的模糊层次分析法既解决了判断矩阵的一致性问题，又解决了解的收敛速度及精度问题，以此求得与实际相符的排序向量。结论 改进传统的层次分析法较传统的层次分析法更加完善和行之有效，并符合人们的思维逻辑，形式简单，准确，且易建立。另外，由优先判断矩阵改造而成的模糊

将认知无线电中的动态频谱分配技术应用在无线传感网中，针对工作在ISM（industrial，scientific and medical）频段的无线传感网面临的频谱资源紧缺问题，提出一种基于改进自适应遗传算法的动态频谱分配方案。该算法以图论着色模型为基础，以最大带宽收益和最小切换频率为目标函数，在交叉和变异过程中采用自适应交叉概率和变异概率代替固定的交叉概率和变异概率。仿真结果表明，与传统遗传算法和颜色敏感图论着色算法相比，该算法可以实现提高频谱利用率、降低能量消耗的预期目标。

针对私人微博内容进行聚类研究，结合私人微博的内容和结构特点提出了基于K-means的改进聚类算法。通过添加引用和评论内容丰富了文本内容，降低了短文本矩阵向量严重稀疏性带来的聚类算法准确性降低的影响；通过甄别“微话题”内容和改进相似度的计算，找到初始化类别并进行初步计算得到合适的类别数目和初始中心点，解决了K-means算法中聚类数目K需人工指定和初始中心点选取随机性的问题。实验结果表明，改进后的算法不仅可以自适应地得到K值，较普通的K-means算法在聚类的准确率上有所提高。

针对传统的阈值函数在图像去噪中存在硬阈值函数不连续、软阈值函数会产生恒定误差的不足,在多层小波变换的基础上,对阈值选取方法进行了改进,并改变了传统软阈值函数。实验结果表明,该方法无论在视觉效果还是在信噪比定量指标上均优于传统硬阈值法和软阈值法。

OTFS仿真，matlab程序

概述 著名的Olav Kallhovd CG量表的新发展。 在此发行版中，我合并了： 来自Olav的原始项目在这里： ： 来自AlainDésandré的叉子在这里： : 斯蒂芬·甘普（Stephan Gamp）的叉子在这里： ： 当然，我并没有做任何更改，因为原来的程序的主要部分是规模管理，所以保留了它，因为它可以很好地工作并提供非常准确的结果。 我从Vedat Ozan Oner（ ）包含了一个非常有效的键值捕获新库。 此版本的新功能 对于比例尺部分： 设计了一个单独的盒子，其中放置了键盘和OLED显示屏。 主机架已经过优化，可以正确容纳9v电池。 添加了线夹系统，以使用外部控制盒保存线 设计了一种特殊的PCB，以减小电子组件的尺寸，并减少秤中的电线数量 新的设计可以改变称重传感器（只需要拆开旧的并焊接新的传感器即可。） 对于软件部分： 已为初始配置添加了交互式

CMMI 四级文档，PMP文档， 项目管理的模块； 共计30个文件，很好的！

cs裁剪算法改进OpenGL

为了消除光照变化对人脸识别的影响,提出了一种新的基于小波的光照归一化算法。首先对人脸图像进行三级小波分解,获取低频和高频系数;接着对低频成分直方图均衡化,减弱光照的影响,同时对高频成分阈值去噪,再放大高频以增强图像边缘;最后进行逆小波变换,得到归一化后的人脸图像。在Yale B人脸库上的实验结果表明:本文方法可有效减弱光照变化对人脸识别的影响,显著地提高了人脸识别系统的识别率。