大型C ++ Qt应用程序的模型视图ViewModel框架
概述
这个model-view-viewmodel框架旨在用于使用C ++编写的基于Qt的大型科学应用程序。 该项目是作为GUI重构的游乐场而创建的。
该框架的主要特点是：
用于存储GUI会话的任意数据的应用程序模型。
将应用程序模型序列化为json。
根据命令模式撤消/重做。
查看模型以显示Qt小部件中的部分应用程序模型。 取决于Qt。
基于科学绘图。
根据模型内容自动生成窗口小部件。
物业编辑。
Qt的树木和桌子的灵活布局。
要求
C ++-17
CMake的3.14
Qt 5.12
安装说明
git clone --recurse-submodules https://github.com/gpospelov/qt-mvvm.git
mkdir ; cd
2021-09-15 15:14:59
6.52MB
1
WPF Multi-Touch 开发：Windows 7 安装多点触屏模拟器，详情请参考cnblog
2021-09-13 14:27:34
7.31MB
1
matlab多元参数非线性回归模型代码多输出高斯过程
多输出回归
在多输出回归（多目标，多变量或多响应回归）中，我们旨在预测多个实值输出变量。
一种简单的方法可能是使用单个输出回归模型的组合。
但是这种方法有一些缺点和局限性[]：
训练多个单输出模型需要很长时间。
每个单个输出模型都针对一个特定目标（而不是所有目标的组合）进行了培训和优化。
在许多情况下，目标之间具有很强的相互依赖性和相关性。
单个输出模型无法捕获此关系。
为了解决此缺点和局限性，我们寻求一种多输出回归方法，该方法不仅可以考虑输入因素与相应目标之间的关系，还可以考虑目标之间的关系，从而对多输出数据集进行建模。
已经针对多输出问题开发了几种回归方法。
单击此处，对这些方法进行详尽的回顾。
例如，多目标SVM或随机森林是最受欢迎的两种。
在这项研究中，我正在提出和实施一种使用高斯过程（GP）模型进行多输出回归的新技术。
单变量GP
首先让我们开始介绍单变量GP。
单变量GP在函数上定义了高斯分布，可用于非线性回归，分类，排名，偏好学习或有序回归。
与其他回归技术相比，单变量GP具有多个优点：
在受计算量大的数据集限制的
2021-09-12 00:55:23
14KB
1
用于proe toolkit 二次开发 的vc 环境下的辅助工具，会在vc下产生一个开发向导，以减少重复的参数设置。
2021-09-11 17:40:12
1.91MB
1
A Multi-Sensor Fusion System for Moving Object Detection and Tracking in Urban Driving Environments - icra-14-sensor-fusion.pdf
2021-09-11 16:02:21
1.53MB
1
ProTK Tools是一款辅助VS做Pro/E二次开发的工具，包括项目wizard,可视化菜单设计和Resource UI的可视化设计等功能。同样的工作，采用ProTK辅助，效率能得到数十倍的提升。
2021-09-11 13:20:48
2.11MB
1
ai插件，一键导入pdf文件（多页），不用一页一页导入。实测ai cs6，ai 2019版本都可以用。
2021-09-06 17:15:11
9KB
计算机体系结构的介绍专题文档，本文档主要讨论多核中cache的一致性，非常有参考价值！
2021-09-05 22:30:18
1.53MB
1