基于Java的高校绩效工资管理系统的设计与实现

基于Cartographer算法的SLAM与导航机器人设计_贾浩.caj

基于RBF网络辨识的模型参考自适应控制系统分析与仿真论文资料

本文设计了一套基于51单片机控制的智能家居系统。本系统可以对外界温度进行测量、高温打开风扇,并且根据室内光亮强度控制灯泡和窗帘,光强时,窗帘关闭;光弱时,自动打开灯泡对室内进行补光。而且具有键盘控制、GSM报警控制以及1602液晶屏显示,温度设定等功能。

本论文研宄的对象为通信信号和生物医学信号,研宄的主要内容 为通信信号的特征提取和调制方式识别,以及基于传感器的生物医学 信号特征提取和聚类分析。论文中的通信信号处理部分是依托于实验 室的项目,在现代信号处理算法的基础上,综合运用统计学知识和机 器学习算法,实现多种典型通信信号调制方式的识别和信噪比的估算

本文的内容描述通过 Java Web 技术实现小型酒店管理系统。本文实现的管理系统是 一个并发性强、可同时容纳大量用户的系统。小型酒店管理系统有开房功能、消费功能、 消费统计功能、添加房间类别功能、添加房间功能、退房功能、添加会员功能和预订功 能。开房功能的用途是由管理人员对顾客需要入住的房间进行操作，消费功能的用途是 由管理人员对顾客在酒店内部购买的商品进行记录，消费统计功能的用途是该管理系统 自动对客户在酒店消费的商品进行统计。在本文实现的管理系统中用到 SSH 框架技术、 JSP 技术、 JS 技术、 Servlet 技术、 JDBC 技术和 XML 技术。 SSH 框架是一个由 Struts2 框架、 Spring 框架以及 Hibernate 框架组合而成的混合框架，具有低耦合度、速度快、 效率高以及并发性强等特点；因此，可以满足系统的并发性需求。 JSP 技术能让网页快 速地从网站后台中获取数据，能够给用户带来很好的用户体验； JS 技术主要用于网站的 前端，使网站的网页有动态功能； Servlet 技术也是一种动态技术，它一般用来响应、发 出和处理各种请求； JDBC 技术为多种关系型的数据库提供访问接口，也是一个数据库 的连接池； XML 技术经常用于处理和传输各种数据和信息。

关于智能家居的一些论文： CAN总线在智能家居和小区管理中的应用 An Agent-Based Smart Home.pdf smart house and home automation technologies.pdf Zigbee-Based new approach to smart home.pdf 基于ARM的智能家居监控系统设计 基于CAN的智能家电管理系统 基于CAN总线的智能家居和小区监控管理系统 基于CAN总线和语音识别的智能家居控制系统的设计 基于CAN总线设计的智能家居控制系统 基于单片机和CAN总线的智能家居控制系统 基于节点技术的智能家居系统设计 嵌入式智能家居研究 人性化智能系统家居

CAJ批量转化PDF套装，包括CAJ转PDF转换器（快速方便，适合小文件，如期刊）.rar和CAJ转PDF转换器（通用，大文件适合，如整本的学位论文）.rar两种

随着汽车保有量的增长,越来越多的道路交通事故也给社会和人民造成了巨大的损失。其中,汽车驾驶人的危险驾驶行为是导致道路交通事故频频发生的主要原因。无人驾驶汽车因其无需人类驾驶操纵的特点具有广阔的应用前景。在无人驾驶汽车的行驶过程中,如何实时、鲁棒地提取行驶环境信息,以及在获得信息的基础上进行合理的运动决策是实现其安全、高效自主驾驶的关键,也是无人驾驶汽车研究中的难点和热点。论文依托国家自然科学基金重大研究计划项目(90920305)“无人驾驶车辆智能测试环境研究与开发”和中央高校基金创新团队项目(CHD2011TD006)“基于视觉信息的无人驾驶智能车辆关键技术研究”对无人驾驶汽车环境信息提取及运动决策方法展开研究,以实现无人驾驶汽车安全、高效、智能地行驶。本文的研究内容主要包括:(1)视觉图像数据采集模型和预处理研究。以无人驾驶汽车坐标系作为约束条件,建立视觉图像数据采集模型;针对图像采集质量易受行驶环境影响而造成特征难以提取的问题,研究多尺度Retinex图像增强算法和传统中值滤波算法的改进优化算法,并进行静态离线对比试验。(2)针对复杂道路环境下车道标线检测算法鲁棒性较差的问题,提出面向图像像素点的改进道路图像分割方法以深度挖掘车道标线轮廓信息;在此基础上提出基于抽样行双向扫描和成像模型约束候选特征点相结合的车道标线检测优化算法。为了实现车道标线检测与跟踪模块的有效切换,建立置信度判别模块和失效判别模块。(3)针对非结构化道路边界检测效率和鲁棒性之间难以平衡的问题,提出一种基于置信概率的分块分类方法提取道路边界的特征点,在此基础上运用改进的最小二乘法完成非结构化道路模型参数求解,并进行静态离线对比试验。(4)针对无人驾驶汽车对前方车辆识别定位准确性及稳定性要求高的问题,提出一种基于视觉传感器和64线三维激光雷达信息融合的前方车辆识别算法。通过融合64线三维激光雷达提取的障碍物位置信息,确定图像中前方车辆的感兴趣区域;以类Haar-HOG融合特征作为目标车辆描述方法,采用AdaBoost算法离线训练获得的级联分类器进行前方车辆辨识;对因遮挡问题未被识别出前方车辆的感兴趣区域,提出基于激光雷达坐标系下位置关系信息的再确认方法。(5)无人驾驶汽车运动决策建模方法研究。以宏观行驶规划为前提,在环境信息提取的基础上,结合无人驾驶汽车的自身运动状态,对其在微观动态交通环境下的两类基本运动模式进行深入研究,设计无人驾驶汽车运动模式的决策条件及对应目标量;在此基础上建立基于决策树的运动决策模型;最后,通过构建微观动态交通仿真环境对其进行合理性验证。(6)搭建基于上位机组件的无人驾驶汽车平台,并对其广义视觉传感系统参数进行标定,在此基础上进行道路试验,以验证论文提出的环境信息提取方法的有效性和运动决策模型的合理性。