计算机编程艺术(The Art of Computer Programming)英文版(内含三卷) 计算机科学巨匠 Donald E.Knuth (高德纳) 经典巨著 学计算机编程的应该都知道这套书 “它本来是作为参考书撰写的,但有人发现每一卷可以饶有兴致地从头读到尾。一位中国的程序员甚至把他的阅读经历比做读诗。如果你认为你确实是一个好的程序员,读一读 Knuth 的《计算机程序设计艺术》吧,要是你真的把它读通了,你就可以给我递简历了。” --Bill Gates
2024-03-12 16:01:50 6.85MB
1
卷积码译码器的论文,对毕业设计很有用,可以仿真的。
2024-03-06 22:56:45 1.03MB 卷积码译码器
1
UNIX网络编程第1卷.pdf UNIX网络编程第1卷.pdf UNIX网络编程第1卷.pdf UNIX网络编程第1卷.pdf
2024-03-06 22:11:57 27.5MB UNIX网络编程第1卷.pdf
1
1.该代码属于无线通信信道编码卷积码不同码元信噪比(EbNo)下的的MATLAB代码,可完全运行 2.通信框图为:比特-卷积码编码-BPSK映射-高斯噪声-硬判决/软判决-Viterbi译码器 3. 代码可完全运行,且可以更改码元个数参数,设置信噪比
2024-03-06 20:19:40 2KB matlab
1
开发环境: Pycharm + Python3.6 + 卷积神经网络算法 基于人脸表面特征的疲劳检测,主要分为三个部分,打哈欠、眨眼、点头。本实验从人脸朝向、位置、瞳孔朝向、眼睛开合度、眨眼频率、瞳孔收缩率等数据入手,并通过这些数据,实时地计算出驾驶员的注意力集中程度,分析驾驶员是否疲劳驾驶和及时作出安全提示。 视觉疲劳检测原理:因为人在疲倦时大概会产生两种状态: 眨眼:正常人的眼睛每分钟大约要眨动10-15次,每次眨眼大概0.2-0.4秒,如果疲倦时眨眼次数会增多,速度也会变慢。打哈欠:此时嘴会长大而且会保持一定的状态。因此检测人是否疲劳可以从眼睛的开合度,眨眼频率,以及嘴巴张合程度来判断一个人是否疲劳。 检测工具 dlib :一个很经典的用于图像处理的开源库,shape_predictor_68_face_landmarks.dat是一个用于人脸68个关键点检测的dat模型库,使用这个模型库可以很方便地进行人脸检测,并进行简单的应用。 眨眼计算原理: (1) 计算眼睛的宽高比 基本原理:计算 眼睛长宽比 Eye Aspect Ratio,EAR.当人眼睁开时,EAR
2024-03-05 21:16:22 78.33MB python 卷积神经网络 疲劳驾驶检测
1
MATLAB漂浮物识别(Cnn卷积神经网络,GUI界面框架)Matlab编程
2024-03-04 16:06:09 1.32MB
1
PAPER1卷一温习手册V3.4版下载 PAPER1卷一温习手册V3.4版下载 PAPER1卷一温习手册V3.4版下载 PAPER1卷一温习手册V3.4版下载 PAPER1卷一温习手册V3.4版下载 PAPER1卷一温习手册V3.4版下载 PAPER1卷一温习手册V3.4版下载 PAPER1卷一温习手册V3.4版下载 PAPER1卷一温习手册V3.4版下载 PAPER1卷一温习手册V3.4版下载 PAPER1卷一温习手册V3.4版下载 PAPER1卷一温习手册V3.4版下载 PAPER1卷一温习手册V3.4版下载 PAPER1卷一温习手册V3.4版下载 PAPER1卷一温习手册V3.4版下载 PAPER1卷一温习手册V3.4版下载 PAPER1卷一温习手册V3.4版下载 PAPER1卷一温习手册V3.4版下载 PAPER1卷一温习手册V3.4版下载 PAPER1卷一温习手册V3.4版下载 PAPER1卷一温习手册V3.4版下载 PAPER1卷一温习手册V3.4版下载 PAPER1卷一温习手册V3.4版下载 PAPER1卷一温习手册V3.4版
2024-03-03 16:56:29 1.19MB
1
亮剑ASP.NET项目开发案例导航-part03(共三分卷)
2024-03-03 14:45:37 9.93MB ASP.NET
1
番茄作物是市场上的重要主食,并且是日常食用的最常见的作物之一。 植物或农作物疾病导致生产质量和数量下降; 因此,对这些疾病的检测和分类非常必要。 感染番茄植物的疾病有很多类型,例如细菌斑,晚疫病,裁缝叶斑,番茄花叶和黄色弯曲。 早期发现植物病害可提高产量并提高其质量。 当前,智能方法已被广泛用于检测和分类这些疾病。 这种方法可以帮助农民识别类型吗? 感染农作物的疾病 当前工作的主要目的是应用一种现代技术来识别和分类疾病。 智能技术基于使用卷积神经网络(CNN)的技术,而卷积神经网络是机器学习的一部分,可以早期发现有关植物状况的信息。 CNN方法取决于从输入图像中提取特征(例如颜色,叶子边缘等),并在此基础上确定分类。 Matlab m文件已用于构建CNN结构。 从植物村获得的数据集已用于训练网络(CNN)。 所建议的神经网络已被用于分类六种类型的番茄叶片情况(一种健康的叶片植物疾病和五种类型的叶片疾病)。 结果表明,卷积神经网络(CNN)已经实现了96.43%的分类精度。 真实图像用于验证建议的CNN技术进行检测和分类的能力,并使用5兆像素相机从真实农场中获得,因为感染该星球的大多数常
2024-03-01 15:43:09 1.85MB 行业研究
1
易语言U盘锁源码,U盘锁,MsgProc,取磁盘卷序列号,窗口透明度,SetWindowLong,CallWindowProc,复制结构体,API_设置窗口信息,API_透明窗口,GetVolumeInformationA
1