毕业设计 - 机器学习识别图片验证码 通过简单的图像识别算法来完成验证码识别，打算把机器学习中的分类算法全部使用一遍。 使用方法 爬取验证码 对图像做处理并切分 手工标注数据 导入训练集 使用测试集 图像处理 静态图片 清除图片噪点 清除图片干扰线 切割图片 信息输出 动态图片 按帧转存 GIF 读取每个 GIF 的 Duration 属性 找到 Duration 最长的图片，后同静态图片处理 识别算法 SVM 根据算法的性质，可以问题设定成一个二分类问题：识别数字1和2（当然也可以是其他的任意两个数字)。

获得非高斯噪声环境衰落信道中正交空时分组码(OSTBC)的性能估计，对OSTBC的成对差错概率(PEP)进行了研究．基于物理统计Middleton Class A噪声模型，通过将非高斯Class A分布变换成条件高斯分布，给出空间依赖时间独立条件下OSTBC系统中噪声信号的联合概率密度函数．利用矩母函数(MGF)分析法推导Class A噪声环境下最大似然接收机的成对差错概率的上界．对不同衰落信道中系统误符号率(SER)性能的仿真研究表明，在Class A噪声环境下，OSTBC系统性能随噪声脉冲性的增强而下

基于java的BBS论坛源代码，增加验证码，找回密码，修改密码，论坛人气排行榜与人气投票等功能

C#编写，使用Com口监测实时数据并显示 若感兴趣，可以跟本人联系讨论交流

基于改进的BP译码算法-LLR BP译码算法，在AwGN信道下，在量化范围、量化比特数、量化方式选择这三方面分别对输入信号和中间变量进行了性能仿真与对比，最后经过分析比较，提出了一种新型和有效的量化方案．笔者采用的奇偶校验码为基于802．16e标准的准循环低密度奇偶校验码(QC-LDPC)．在假设输入信号为等概输入，且设置译码算法中最大迭代次数为10的前提下，通过MATLAB仿真，可发现准循环低密度奇偶校验码不但具有良好的性能，而且更有利于硬件的实现．与此同时，与未量化的LLR BP译码算法相比，文中提出

1、java开发必备工具类，兼容了所有版本的JDK，包含了各种类型的打印，可以打印文本、图片、二维码、订单、病历单等信息，应有尽有，功能强大，代码简洁，使用简单，直接拷贝使用即可； 2、本工具类经过了很多项目大佬的不断升级改造，具有高效率、高性能、高质量的特点，并且完美地解决了打印过程中出现的中文乱码、以及打印过程中出现的兼容问题，可以随心所欲的打印各种各样的内容； 3、本内容仅限java开发和android开发人员下载，使用过程中有任何疑问或者出现任何问题欢迎在评论区留言！

spark-assembly-1.3.0-hadoop2.5.0-cdh5.3.0.jar的下载地址和提取码

QRLogin Android扫描二维码实现网页登录 License MIT licensed Copyright (C) 2012 huidaoli 、can2do.com, 项目组相关链接 信工IT网： 项目协同办公室： 信工IT网官方微博： 信工IT网博客： 东大实训QQ交流群： 203625807

　　载入程序，然后分块写10(刚开始应先少数量划分，先确定 大范围)。起使位置最好写代码段code,或者txt然后程序会把代 码段分成10块，然后从第1块开始恢复，并生成文件。生成完毕 后，用杀毒软件查杀生成文件的目录清除所有带毒文件(如果杀 毒软件是按顺序杀毒的话，可以在杀掉第一个文件的时候就停止 杀毒，此时特征码已经找到)。然后点击[二次处理]程序会自动 记录第几个文件开始查到毒了，那个就是第1个特征码。程序会 把有特征码的地方添0 并记录在右面， 然后把后面的文件分10 块开始从头恢复。这样不断进行(反复使用[二次处理]和杀毒)守 护特征的大范围就找出了并记录在右面。 　　因为分为10块所以每块都比较大，这时候需要进行精确。在 右面点第1个特征码 选择精确此特征码 然后此处就会被写入分 析器里。分块可以写大一点比如100这样多次进行精确特征码的 范围就出来了。 　　关于内存复合特征码定位原理和文件定位是相同的，只是用 程序把生成的文件全部装载到内存中去了，然后用杀毒软件对内 存进行查杀。找到报毒的文件，然后手工删除或者在特征码设置 中手动添加即刻。其余操作和文件定位相同。

CRC校验码计算方法pdf,CRC校验码计算方法