lp.cab字体库,安装中文字体必须的库,windows缺少中文字体时下载。
2022-01-20 11:34:44 154.74MB lp.ca 字体
1
前言 使用Delphi开发安卓APP时,我们经常想要实现状态栏沉浸样式,但这方面资料较少,基本算是没有,即便找到一两个实现的样例也并不一定合用。为此,我花了点时间观摩学习了JAVA及其他Delphi实现状态栏沉浸式的代码,在自己动手实践后全面进行了封装。 (目前 据我所查询资料了解的,这是在delphi中实现安卓沉浸最为方便、快捷、适配效果最好的方式。) 实现功能简介 目前封装好的类主要可以分别实现安卓状态栏与导航栏的透明与不透明、设置颜色、设置字体的显示模式,如下图所示(这是演示APP展示的效果,也包括了可使用的功能): 需要说明的是,针对于状态栏字体的显示模式时,需要安卓6或以上版本才有
2022-01-09 01:31:37 267KB android delphi lp
1
计算 CLEAN 和 NOISY 信号之间的平均对数光谱距离。 可以选择仅在语音活动期间计算此距离。 您也可以选择一个频率范围来研究子带中的距离。
2021-12-30 16:57:02 3KB matlab
1
线性规划求解器 lp_solve,免费版式本,不受变量限,计算速度一般.
2021-12-17 01:47:58 3.62MB lp_solve
1
基于矩阵的IRLS算法用于二维FIR滤波器的最小lp范数设计
2021-12-13 16:32:51 768KB 研究论文
1
PCB封装国际标准。做高级PCB的人肯定需要 IPC-7351标准覆盖所有类型的无源及有源器件件的焊盘图形设计,包括电阻器、电容器、MELFS、TSSOPS、QFPS、球形阵列封装、方形扁平无引脚封装、小外形无引线封装等。IPC-7351为每个元件提供了三个焊盘图形几何形状,即高元件密度、中等元件密度、低元件密度,对应的PCB Libraries’ IPC-7351 LP Viewer软件中对应的CAD data库分别是SMM/SMN/SML,就是各个库中对应的相同的封装的焊盘尺寸不一样: 高元件密度:焊盘最小。 中等元件密度:焊盘一般。 低元件密度:焊盘最大情况,最牢固
2021-12-12 15:09:25 3.44MB PCB库 PCB标准 IPC-7351标准 pcb封装
1
强大的封装自动生成器,太神奇了!大开眼界
2021-12-12 12:28:41 4.94MB 封装生成器
1
matlab ba无标度代码NIILP:线性程序求解器 C. Y. Cui,K。Morikuni,T。Tsuchiya和K. Hayami撰写。 第一版:2015年8月最新更新:2019年11月 该项目是根据GNU许可条款获得许可的。 参考 请找到全文: 基于内部迭代的Krylov子空间迭代求解器的LP内点方法的实现Cui Y.,Morikuni K.,Tsuchiya,T.,Hayami,K. 计算最佳应用(2019)74:143。 如果您在研究研究中使用这些代码进行发表,请引用该论文。 内容 该存储库包含: interior_point_solver main.m :解决内点问题的切入点 NIILP.m :线性程序求解器的功能 linear_solvers ABNESOR4IP_scale.c :AB-GMRES求解器通过行缩放的NE-SOR内部迭代进行预处理。 CGNE4IP_scale.c :通过NE-SSOR内部迭代和行缩放对CGNE求解器进行预处理。 MRNE4IP_scale.c :通过NE-SSOR内部迭代(具有行缩放)进行预处理的MRNE求解器。 要在内部点求解器NI
2021-12-12 11:52:41 32KB 系统开源
1
连接错误 安装好以后,我登录企业后台(http://ubuntu:1158/em)报错,用sqlplus连接oracle也报错。 一,遇到的错误如下 1,ORA-12505: TNS:listener does not currently know of SID given in connect descriptor (DBD ERROR: OCIServerAttach) 2,ORA-28547: connection to server failed, probable Oracle Net admin error (DBD ERROR: OCISessionBegin) 3,sqlplu
2021-12-06 14:21:01 57KB acl c lp
1
本文实例讲述了Python实现购物评论文本情感分析操作。分享给大家供大家参考,具体如下: 昨晚上发现了snownlp这个库,很开心。先说说我开心的原因。我本科毕业设计做的是文本挖掘,用R语言做的,发现R语言对文本处理特别不友好,没有很多强大的库,特别是针对中文文本的,加上那时候还没有学机器学习算法。所以很头疼,后来不得已用了一个可视化的软件RostCM,但是一般可视化软件最大的缺点是无法调参,很死板,准确率并不高。现在研一,机器学习算法学完以后,又想起来要继续学习文本挖掘了。所以前半个月开始了用python进行文本挖掘的学习,很多人都推荐我从《python自然语言处理》这本书入门,学习了半个月
2021-12-04 22:25:33 101KB lp nl nlp
1