为了读者学习和使用的方便，本书附赠一张CD-ROM光盘。光盘中包含了本书各章中列出的3种语言（ASM51汇编语言、C51高级语言和Turbo C2.0高级语言）的全部程序。对ASM51汇编语言和C51高级语言来说，还给出了对应的项目工程文件。这样读者只须把自己感兴趣的程序以及对应的项目工程文件拷入电脑，进入集成开发环境，调入工程文件和C51程序（或ASM51汇编语言程序）。如果硬件也一致（若硬件不一致，则须通过修改程序中的有关部分，使之一致），那么就可以直接编译、汇编和链接，进行仿真。 光盘中程序的编排与本书各章顺序相同，要用本书第几章的程序就到光盘上同一章去找。要了解某芯片与单片机连接方法，请到“有关芯片与单片机连接电原理图”题目下去找。电原理图是在制图软件Protel99 SE下画的，其扩展名为“sch”。使用时，只要在Protel99 SE环境下直接打开或导入均可。

利用混合高斯模型检测到目标，并对运动目标的运动加以分析OPENCV

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：运动目标检测背景建模_基于混合高斯模型_matlab 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

基于微软雅黑、JetBrains Mono和Menlo的混合字体，Menlo字体可弥补JetBrains Mono缺少的字符。分Mono和Term两款，其中Term用于终端，中文单双引号、破折号和省略号为半宽字符。分别包含常规、斜体、粗体和粗斜体字形，0为斜杠式样。可保证各种字形下中英文字符2:1的宽度比。

用蚁群算法进行函数优化时，存在收敛速度慢且易于陷入局部最优解的问题。针对这一现状，提出了一种微粒群和蚂蚁算法相结合的混合连续优化算法，该算法引入微粒群优化操作进行全局搜索牵引，采用网格法进行细密度的蚂蚁局部搜索，从而能很好地应用于求解连续对象优化问题。对若干典型复杂连续函数的实验测试结果表明，该混合算法跳出局部最优解的能力较强，能较快地收敛到全局最优解，并能适于高维空间的优化问题。与最新的有关研究成果相比，该算法不仅寻优精度高，而且收敛速度大幅提高，效果十分令人满意。

混合高斯背景模型-背景差法(VS2008)Opencv

一种实用的毫米波大规模MIMO混合预编码算法

基于AVL—Cruise和Simulink建立了联合仿真平台，引入了基于规则的功率跟随能量管理控制策略，对车用燃料电池／蓄电池混合动力(FCHEV)进行了初步仿真，在选定的循环工况下的仿真结果表明，该仿真平台能够真实反映燃料电池汽车的工作过程，蓄电池SOC始终保持在合理范围内。

本例提取了植物幼苗数据集中的部分数据做数据集，数据集共有12种类别，模型使用最经典的resnet50，演示如何实现混合精度训练以及如何使用DDP的方式实现多卡并行训练。 通过本文你和学到： 1、如何使用混合精度训练？ 2、如何制作ImageNet数据集？ 3、如何使用DDP方式的进行多卡训练？ 4、如何使用Mixup数据增强。 5、如何进行多卡BN同步？ 6、如何使用余弦退火调整学习率？ 7、如何使用classification_report实现对模型的评价。 8、预测的两种写法。 原文链接：https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/124196817

混合 NSGAII-MOPSO 算法（matlab）（Hybrid NSGAII-MOPSO Algorithm） 本研究工作提出了一种协同混合元启发式算法，结合了非支配排序遗传算法II和多目标粒子群优化算法，用于求解多目标测试函数。在迭代过程中，根据排名，人口被分成两半。探索是通过非支配排序遗传算法II使用人口的上半部分进行的。通过增加个人学习系数、降低全局学习系数和使用自适应变异算子来修改多目标粒子群优化以有效利用下半部分人口。所提出的具有有效约束处理机制的混合算法通过有效的信息交换增强了搜索能力。该算法适用于标准测试功能。混合算法可以得到一个分布良好且多样化的帕累托最优解，并且比现有的一些算法更快地收敛到实际的帕累托最优前沿。