该压缩包包含了一整套FastDFS和Nginx以及他们之间整合需要的全部文件 FastDFS_v5.05.tar.gz、fastdfs-nginx-module_v1.16.tar.gz、libfastcommon-master.zip、nginx-1.4.4.tar.gz、pcre-8.35.tar.gz
1
GIS二次开发实验(vc编程实现空间数据的可视化、缓冲区分析、MO二次开发)
2021-07-12 10:18:43 948KB VC编程
1
本书是一本介绍开关电源理论和与工程设计相结合的工具书。
2021-06-30 11:01:35 7.58MB Switching Mo
1
WGB-87 1微机综合保护装置 MODBUS规约说明,包含线路保护、电容保护、厂用变保护、电动机保护、充电保护。
2021-06-25 14:13:19 1.04MB 许继  Mo
1
20210620-中泰证券-诺泰生物-688076-多肽、小分子C(D)MO优质平台,自主产研逐步收获.pdf
2021-06-21 13:03:00 2.04MB 行业
模电课程设计_函数信号发生器.pdf
2021-06-16 10:00:54 643KB MO  DIAN
1
opencv4.2 用cmake编译需要的下载资源 其中包含face_landmark_model.bat opencv_videoio_ffmpeg.dll ffmpeg_version.cmake等
2021-06-14 16:20:10 110.6MB ffmpeg face_landmark_mo boostdesc_bgm vgg_generated
1
高斯混合模型意味着每个数据点(随机)从 C 类数据之一中抽取,概率 p_i 从第 i 类中抽取,并且每个类都分布为具有平均标准差 mu_i 和 sigma_i 的高斯分布。 给定从这种分布中提取的一组数据,我们试图估计这些未知参数。 这里用于估计的算法是 EM(期望最大化)。 简单地说,如果我们知道 N 个输入数据点中的每一个的类别,我们就可以将它们分开,并使用最大似然估计每个类别的参数。 这是 M 步。 E 步骤根据每个类的前一轮参数估计为每个数据点(软)选择(未知)类。 隐式地将数据分类(或聚类)到不同的类中,估计其参数。 当前代码仅适用于一维数据,主要用于说明混合模型和 EM 的想法,但很容易推广到更高维度。
2021-06-12 19:52:36 4KB matlab
1
公认的量子光学经典教材影印版。1997年版
2021-06-06 23:43:37 3.88MB 量子光学 Quantum_optics Scully
1
为文章“UWP 运行时切换UI主题颜色(theme)”所写的例子,需要visual studio 2017,visual studio 最好2019.
2021-06-06 20:47:42 22KB High-Contrast-Mo Color-Settings D UWP
1