nginx按天进行日志切割脚本，同样适合其它很多服务日志的切割，压缩包包含shell切割脚本和使用说明，该脚本适合nginx同时也适合其他类似服务的日志切割，只要简单修改shell脚本即可，灵活多变，实用。

在机器学习中，特征选择是对模型结果的优化和对特征的分析，无论是做机器学习分类或者回归模型，都可适用；在这里我使用（python）遗传算法对特征进行分析，然后选取最优特征建立机器学习回归模型。

jumpserver 3.0 安装相对于 jumpserver 2.0 版本，在新的版本 3.0 中取消了LDAP授权，取而代之的是ssh进行推送；界面也有所变化，功能更完善，安装更简单，不像 2.0 的版本，难住了好多人。

读取pb模型进行预测-附件资源

进行零件缺陷matlab代码

camera_calibration_API 包含相机校准API的存储库 资料库概述： ：包含一个试图最小化MATLAB的相机校准应用程序功能的API。 该API是围绕opencv的摄像机校准功能的精简包装。 ：包含各种示例的目录 Camera_Calibration_API： 介绍： 相机校准API是opencv相机校准功能的包装。 这试图模仿python的MATLAB相机校准应用程序的功能。 该API支持opencv支持的所有3种校准模式，即：棋盘，非对称圆网格和对称圆网格。 默认情况下，API在4个线程上运行以加快速度。 在棋盘校准的情况下，提速可能并非微不足道，因为在大多数情

分析某医院半年内的药品销售数据，使用pyecharts对数据进行可视化

以黑龙江省近37 a的月均气温数据为研究对象，介绍了一类积分式时空协方差(变异)函数模型进行时空Kriging插值。针对月均气温呈现出的明显季节变化，对各站点的气温进行去季节项处理，并在此基础上建立时空变异函数。将空间维的普通Kriging插值扩展至时空维，同时考虑空间和时间相关性对研究变量进行时空估计，并将估计结果与空间Kriging插值效果进行了比较。结果表明，时空插值效果理想，插值精度较空间Kriging更高。

毕业设计-宜居城市信息可视化平台 1.数据来源 1.1招聘信息   招聘信息的数据来源为智联招聘，首先构造出城市+工作职位的url，以便我们更好的搜索数据和解析页面数据。例如 （jl后边的是城市，kw为职位名）， 根据此url解析第一页获取工作数量，智联招聘一页最多显示60条工作职位的信息，一共显示90页，所以我们根据获取的工作数量来确定需要抓取数据的页数，条数大于90页的则获取90页，小于90页的则使用实际页数。然后根据页数构建出最终的url： 。最后抓取每一页上对应具体工作的url所对应的工作信息及其公司信息。统计出最大工资与最小工资的平均工资，中位数工资，以及工资和工作经验的关系等 1.2房租信息   房租信息数据主要来源于赶集网，同样首先构建出对应城市url，例如：http://{}.ganji.com/fang1/o{}/ （第一个{}表示城市的汉子拼音首字母，第二个{}为页数）

使用深度学习和OpenCV进行社交距离 目的 由于COVID-19，今天的不幸情况使人与人之间的距离至关重要。 目标是检测使用深度学习的人员，并找出人员之间的距离，以检查人员是否维持6英尺或1.8 m的标准社交距离。 工具和库 Python OpenCV YoloV3 描述 第1步：在相框/图片中找到人数。 步骤2：为使用YOLO确定的人员创建边界框。 步骤3：为对象设置宽度阈值，在其中测量距离，即人的宽度。 我将宽度设置为27英寸或0.70米。 如果需要，请尝试其他值。 步骤4：将像素映射到公制（米或英寸）。 步骤5：以米为单位，找到一个人到另一个人的中心点之间的距离。 结果