信号与线性系统分析（吴大正 第四版） 同步辅导与习题解答.rar

ansys模拟压电换能器的入门讲义，适合新手入门学习多物理场模拟

2020张宇概率论与数理统计9讲, 内容清晰， 完全不影响阅读

非常好的仿真模型，值得学习借鉴的东西，仿真结果非常好。

【实例简介】用Matlab实现彩色图像的DCT量化，采用标准的JPEG亮度图像量化表进行量化，把RGB分层到R、G、B三层处理，进行8*8分块处理，之后得到使用cat得到重构的RGB图像。

NS2,adhoc模拟文件，可模拟多种协议，无需更改如果不做协议的底层更改，这个场景模拟文件已经很够本科毕业设计的同学交差了。如果是研究生同学的话，那就需要改进协议后再加到这个模拟场景文件中作模拟了。

【实例简介】对icp算法的实现，matlab程序，该方法对原有的ICP算法进行了改进，算法较为简单

基于java Swing的报刊管理系统基于java Swing的报刊管理系统

GSL库(64bit)在QT5.50中使用+VS2013编译器，并应用GSL中的大量函数完在多种算法的开发，具体算法因版权问题，从中去除，不影响正常GSL测试使用。在64位win7下，64位的GSL库，QT5.5+vs2013编译器调用。

车道线分割模型模型训练自己的数据该模型是属于二分类语义分割6.encoder decoder model该文件夹中存放的是用于编码和解码的模型这里使用的是 vgg cncodcr. py和 fcn decoder. py测试:更换编码和解码的模型7. lanenet model该文件夹下存放的是 lannet模型的重要操作train.py中主要用到的是 lanenet merge model8. tboard该文件夹用来存放模型训练时产生的 event记录9. tools该文件夹下仔放的是 train lanenet py和 test lanenet py两个文件分别用于训练模型和测试模型10.训练准备好训练数据以后,在 terminal(终端)中通过指令跳转到 lament目录下举例:cd/ XXX/lanenet然后输入一下命令开始训练python tools/train lanenet. py --net vgg--dataset dir data/training data example/-net指定模型的骨干网终dataset dir指定训练数据的目录(该目录为 train txt所在的目录)如果训练的过程中出现了中断,需要接着训练,可以输入python tools/train lancnct. py --nct vgg -datasct dir data/training data cxamplcweights path path/to/ your/last/ checkpointgths_ path指定之前训练中断时权重文件存放的日录训练结東后,训练得到的模型的权重和参数文件在 model目录下的tusimple lanenet文件夹中l1测试准备测试数据测试数据是原始图片,放在data目录下的 training目录下的 testimage中(可以自定义)准备权重文件:将训练好的权重文件,包括:checkpoint, lanenet model pb, tusimple lanenet vgg 2018-10-19-13-33-56ckpt-200000. data-00000-of-00001, tusimple lanenet vgg 2018-10-19-13-33-56ckpt-200000 index, tusimple lanenet vgg_2018-10-19-13-33-56.ckpt-200000meta放在 model文件夹中测试数据准各完成后,打开 terminal(终端)输入以下命令跳转到 lanenet目录下cd/XXX/ lanenet′然后输入如下命开始用单张图片测试模型python tools/test lanenet. py -is batch False -batch size 1 --weights pathpath/to/your/model weights file --image path data/tusimple test image/O. jpgis batch是否是批量处理(True表示是批量处理, False表示不是批量处理默认为True)batch size批量处理一次读取的图片数量weight path模型的权重文件所在的目录image path测试数据的原始图片输入如下命令开始用批量图片测试模型:python tools/test lanenet.py -is batch True -batch size 2 -save dirdata/tusimple test image/ret --weights path path/to/your model weights file-image path data/tusimple test imagesavc dir是存放测试结果的地方(测试结果为划分车道线后的图片)安芯/方禹20181228

用C#实现的解线性方程组，程序用到Gauss消元法，动态添加文本框控件，并生成文本框矩阵(在此感谢CSDN网友帮我解决动态添加文本框控件这个问题)。一起上传的还有一张Gauss消元算法的PPT