C++网络嗅探器（代码、论文均有）

AES的S盒可以用扩展的欧几里德和费马定理来写，这里我采用费马定理。要注意的是S盒的求逆过程是在加瓦罗域下进行的，所以里面的所有乘法、除法、加法、减法都是在加瓦罗域下进行。

Qt通过线性插值原理和矢量线性插值原理，完成鼠标取点绘制图形并实现图形从初始图形运动到终止图形的动画。

Ubuntu交叉编译OpenCV时需要安装的zlib库，亲测可用。

labview人机界面交互设计labview

提供给中介的房屋出租信息管理系统，自己开发，如有密码：joker，使用Android6.0（红米note 4X）测试通过，服务器使用eclipse，数据库利用mysql，安卓端使用android studio开发，使用Java Web技术，tomcat做容器，租借人以及客户的增删改查以及合同的增删改查和统计（饼状图，柱状图，线形图），做的不好，仅供参考，不懂留言，切勿差评，谢谢合作

用matlab自带的GUI界面设计了一个成绩管理界面，可进行成绩的载入、查询、绘图、求平均分和存储！可直接用！

ID3算法是决策树的鼻祖，最早于1986年由Quinlan提出，全称是Iterative Dichotomiser 3 [1]。在这篇课程报告中，我将对经典的ID3做出三次改进：1.把 info gain 改进为 gain ratio；2. 把简单投票的过程改进为朴素贝叶斯的方法；3. 将许多颗ID3决策树打造成随机森林。本人将在Weka平台进行二次开发，并且用Weka-Experiment做大量实验，和其它著名的算法进行比较，最后做出综述。项目的源代码开源在本人的GitHub主页上。未来工作有以下几点:是那么容易就可以随机出来的1.在 Improvement Two中,3树的生长的深度限3.可以把这三种改进方法糅合在一起,看看三种制在多少,可以进行进一步的研究改进组合在一起,能不能产生性能更加的算法2.在 Improvement Three中,本人费劲心思写出来4.上述所有方法都是基于属性为 nominal的数据的“随机森林”,正确率反而比D3更差。虽然集,可以进一步研究属性为 numerical,甚至是很使我伤心,但是我在写代码、调试代码、还有两者混合的数据集。思考的过程中有了不少长进。看来随机森林不L己ta3et(1 caitao.I(2) caita (3 caita (4 caita (5) trees (6)treesca置,色va1 eatlon(100)B9.19|81.36*92.85V78.日9*94.43W93.40Vweather. symbolic100)79.00|56.507s.0079.57.506,50{v!/*)|(0/1/1)(1/1/0(011/1)(1/1/0)(1/1/0Re1)caia。,工3"-26936786470963225612) CaILE。 gainRatio.工D311-2693678647096322561(3 caitao naiveBayes. ID3-26936786470963225614)cata0 andomforest,ID31-2593678647096322561{5) trees. NBTree"-47160057070582560866) trees. Randomforest"-10-4-51- depth101-2260823972777004705图-7: Weka-experiment实验结果。总共6个算法,2个数据集。6个算法中(1是原始的1D3算法,后面(2)-(4)是本人的改进算法,(5)和(6)是Weka平台自带的算法。GitHub较风趣;另一方面,蒋老师在我上机实习的过程过,本次模式识别上机实刁的代码,全部公开在本人的回答了我不少疑惑,虽然这些疑惑对于蔣老师而言GitHub主页上面,ur地址如下:可能十分幼稚,但是依然完整解决了我的问题。1. Improvement one:https://github.com/caitaozhan/id3improvements/treREFERENCES/gain ratio2. Improvement TwoJhttps://en.wikipedia.org/wiki/id3algorithmhttps://github.com/caitaozhan/id3_improvements/tre[2]决策树,蒋良孝的PPTChapter2-8e/naive bayes[3] Data Mining Practica/ Machine Learning Tools and3. Improvement threTechniques--Chapter4.3https://github.com/caitaozhan/id3improvements/tre[4贝叶斯分类,将良孝的PPTChapter3-15e/random forest[5]http://archive.ics.uci.edu/ml/datasets/car+evaluation[6]https://en.wikipediaorg/wiki/random_subspace_methodAcknowledgements感谢蒋良孝老师对于我的指导。一方面,蒋老师上课讲解十分到位,关键部位一点就通了,不仅如此还比

关注最新版本更新地址：http://blog.csdn.net/cmfootball/article/details/17793483特点： 多种匀色功能（色彩校正、色彩匹配和色彩映射）； 多种镶嵌线自动生成功能，有效避开建筑物，保证影像无漏洞； 多种输出功能（镶嵌整体输出、AOI裁切，AOI挖洞，矢量分幅和标准分幅输出）；1. 动态投影显示：利用重投影技术，支持不同坐标系影像进行叠加显示；2. 多种匀色功能：提供多种匀色方法选择，包括“色彩校正”、“色彩匹配”和“色彩映射”，使得镶嵌结果更加真实；3. 镶嵌线网络自动生成：解决了镶

（下载后文件错误请多次尝试）协作通信思想通过用户间彼此共享天线，互为通信中继，实现虚拟发射分集，从而为MIMO的实用提供了一个可行的思路。协作通信的核心问题是中继节点的协作协议。有两种最基本的中继协作方式放大转发（AF）与解码重传（DF），其它各种协作协议的研究，几乎均是建立在这两个固定中继协议之上。本文通过MATLAB仿真，来验证协作对通信的改善，分析不同信道情况和不同信噪比下的AF与DF的误码率和分集增益，来研究二者的实际性能与所面临的主要问题。

本书是开关电源类的经典书籍，几乎所有搞电源的的人士都知道这书，但是现在书店基本不卖，是一本很好的书。