奥运 该项目的目的是清理，处理和可视化奥林匹克数据集 我正在探索Kaggle的Olympics数据集。 我正在尝试回答以下问题， 夏季奥运会前十大运动项目是什么，在过去的50年中它们是如何发展的？ 这些国家/地区在奖牌方面表现如何，哪个国家获得了最大的成功，哪个国家在获得奖牌方面的成功最少，如何分配？ 为了可视化问题1，我使用了交互式散点图来显示随着时间的推移最受欢迎的运动，并且为了可视化问题2，我使用了世界的choropleth地图来显示奖牌是如何分布在120枚上的世界各国之间的一年期。 我已经使用Python和Jupyter Notebook进行数据清理和可视化。

Peano码编码模型

用于水处理的ABB高压电动机（英文介绍）pdf,用于水处理的ABB高压电动机（英文介绍）

图像处理技术的基础函数，进行图像直方图均衡化的必要函数。代码质量很高，可作为C程序代码编写的规范模板。

自己做的操作系统的实验，批处理系统的作业调度，采用高响应比优先的算法，请仔细查看程序，不排除有错误哦

数字信号处理的c语言代码，希望对你有帮助，对于初学者和进行研究的人员都有帮助

中心议题 　　多传感器数据融合技术能对缺陷信号作智能化处理 　　电磁感应式传感器和霍尔传感器的工作原理 　　采用小波去噪的方法，并利用RBF神经网络的数据融合技术对缺陷信号进行检测处理并得出仿真结果 　　解决方案 　　采用漏磁传感器阵列，提高检测灵敏度，减小钢管表面接触噪声和温度影响 　　对信号预处理，保证测试准确性 　　选用RBF神经网络作为融合中心的特征层融合器 　　随着电子技术、神经网络和人工智能处理技术的发展，国内外都在开展新的漏磁信号处理方法的研究。由于传统方法受人为因素影响严重，容易产生漏检误检，大大影响了检测准确度，因此特别需要一种对缺陷信号的智能化处理方法。多传

MATLAB平台：指纹识别系统（对比2指纹，可加入指纹库，从库内找出目标指纹，多过程图，带界面GUI）

自己手敲的8并行DDS设计实现。

现有的自适应多尺度分块压缩感知算法忽略了高频信息在重建中的作用, 导致图像的边缘轮廓得不到充分重建; 并且在压缩分块过程中采用固定分块大小, 没有充分利用图像自身的稀疏性。针对上述不足, 提出一种多尺度分块的自适应采样率压缩感知算法。该算法充分利用小波变换后的高频信号和低频信号, 同时针对图像的固定尺寸分块进行改进。首先, 对低频部分利用自适应邻域特征的空域滤波算法消除块效应; 其次, 对高频部分依据纹理特征自适应选取图像块的大小, 实现样本块尺寸的自动划分和采样率的自适应; 最后, 分别对纹理信息各异的图像进行压缩重建仿真。结果表明, 本方法重建效果明显优于已有的自适应采样率算法。