课程设计 51单片机电机PID调速打包（keil源码+proteus仿真）

LABVIEW播放器源代码保证正确 欢迎下载

2017产品经理大会ppt，AI时代：小产品思维与大商业模式2017China prcductManager onference中国产品理大会时代:小产品思维与大商业模式产品经理攻略360智能工程中心总经理邓雄博士2017China prcductManager onference目录中国产品理大会ONTENTS人工智能大时代变革人工智能时代的产品技术本质◆人工智能商业模式ws.互联网商业模式◆人工智能产品落地方法论人工智能产品经理条2017China prcductManager onference中国产品理大会生产力发展历史规律告诉我们什么?生产力发展与产业革命2017 Maina er cute中国产品理大会新生产力(技术及产品)→新商业模式第一次工业革命第二次工业革命第三次工业革命第四次工业革命伴随看蒸汽驱动的机械制造设伴随看基于劳动分工的,电力随看电子技术、工业机器人和T基于大数据和物联网(传感器督的出现,人类进入了“蒸汽驱动的大规模生产的出现,人技木的大规模使用提升了生产)融合的系统在生产中大规模时代类进入了大批量生产的流水线效率,使大规模生产自动化水:使用式的“电气时代”平进一步提高生产力:水蒸汽生产力:电生产力:电子及生产力:物联网、人工智能主要特征:智能化主要特征:机械化主要特征:流水线主要特征:自动化c口圈皿度第三次工业革命30第二次工业革命20第一次工业革命10时间线China prcduct工业革命3.0主线:∏T变革2017Manager onference中国产品理大会T时代(硬软件→云计算大数据)20年窗口期数据互联融合服务专业化(云计算、大数据)信息开放共享信息爆炸集成电路、TCP/P)信息数据化存储信息孤立分散处理(移动)互联网化(大型机、数据库信息化2017China prcduct∏T变革:互联网公司发展时间线Manager onference中国产品理大会中国互联网公司ToP30发展规律成立东方财富网奇虎时间搜狐京东阿里腾讯网龙易车同城多益游戏游戏人人网汽车之家乐居滴滴网易新浪携程网宿迅雷途牛唯品会小米今日头条新华网搜房美团游戏乐视携程百度网宿同城京东上市新浪腾讯网龙乐居东方财富汽车之家途牛时间乐视搜房唯品阿里易车奇虎游戏人人网2017China prcduct∏T变革:互联网公司发展时间线Manager onference中国产品理大会中国互联网公司20年商业模式变迁)生产力基因、技术平台型)产品模式基因、领域垂直型技术创新驱动)运营效率基因、资本密集型重行业普适性产品模式创新驱动机会窗口20年重领域专业性运营执行力驱动机会窗口5-10年重资本投入机会窗口3-5年从信息时代(T)到智能时代(T)2017China prcductManager onference中国产品理大会T时代(数据价值为王,数据是资源、算法算力是工具)10-20年窗口期数据价值化服务智能化数据互联融服务专业化(人工智能、物联网)(云计算、大数据)信息开放共享信息爆炸集成电路、TCP/P)一智能化信息数据化存储信息孤立分散处理(移动)互联网化(大型机、数据库信息化

自己编写的matlab程序实现数字图像的模板匹配和相关算法，以及亚像素算法压缩包中含源程序，实例图片和模板，以及模板生成算法。使用方法：1、设定路径2、打开threshold，F5有问题欢迎提问。

C#仓库管理系统+完整项目源代码，软件具备换肤功能，支持每日一帖，系统功能完备，同一操作员不能在不同的机器上登录，因为系统要记录下一些操作的操作员，单据的单号中也有操作员的编号，如果同时登录会造成单据号的重复。软件功能有：换班管理、单据查询、销售分析、软件帮助、销售管理、库存管理、统计报表、日常管理、系统设置等，软件界面设计专业，使用了IrisSkin2.dll实现换肤功能。

用delphi实现远程控制源码，代码结构清晰，学习远程控制的好资料

程序-MATLAB-小波分解（6层），通过编译的.m文件，直接运行，希望对你有帮助

针对中值滤波器降低图像分辨率的缺点，提出一种改进的中值滤波算法，即在中值滤波前进行边缘判断。首先判断象素是否是边缘，是则不进行变换，直接将该像素值输出。反之则进行中值滤波，将中值滤波后的值输出。实验表明，该算法对图像进行中值滤波时保存了图像的边缘细节。

本资源包括“基于模拟退火算法解决TSP问题”的相关代码以及TSP的城市数据。

基于opencv写的人头统计程序，可以直接运行!

在移动机器人导航方面，卡尔曼滤波是最常用的状态估计方法。直观上来讲，卡尔曼滤波器在这里起了数据融合的作用，只需要输入当前的测量值（多个传感器数据）和上一个周期的估计值就能估计当前的状态，这个估计出来的当前状态综合考量了传感器数据（即所谓的观察值、测量值）和上一状态的数据，为当前最优估计，可以认为这个估计出来的值是最可靠的值。由于我们在SLAM中主要用它做位置估计，所以前面所谓的估计值就是估计位置坐标了，而输入的传感器数据包括码盘推算的位置、陀螺仪的角速度等（当然可以有多个陀螺仪和码盘），最后输出的最优估计用来作为机器人的当前位置被导航算法以外的其他程序所调用。