新尚硅谷大数据技术之Hadoop（入门）

摄影测量常用程序，包括空间后方交会，前方交会，以及区域网平差程序等，界面不错

lena;peppers;couple;cameraman等256×256标准灰度图像

SQL高并发易模块.ec

【实例简介】深度学习的多标签文本分类 该存储库是我的研究项目，也是对TensorFlow，深度学习（Fasttext，CNN，LSTM等）的研究。 该项目的主要目的是解决基于深度神经网络的多标签文本分类问题。 因此，根据这种问题的特征，数据标签的格式类似于[0、1、0，...，1、1]。 要求 Python 3.6 Tensorflow 1.15.0 Tensorboard 1.15.0 斯克莱恩0.19.1 脾气暴躁的1.16.2 Gensim 3.8.3 Tqdm 4.49.0 项目 项目结构如下： . ├── Model │   ├── test_model.py │   ├──

自己做的一个QPSK的调制解调系统，已经完全调通，适用于学习调制系统的同学下载。

【实例简介】时频分析工具箱中提供了计算各种线性时频表示和双线性时频分布的函数， 本帖主要列出时频分析工具箱函数简介，以号召大家就时频分析应用展开相关讨论。 一、信号产生函数： amexpo1s 单边指数幅值调制信号 amexpo2s 双边指数幅值调制信号 amgauss 高斯幅值调制信号 amrect 矩形幅值调制信号 amtriang 三角形幅值调制信号 fmconst 定频调制信号 fmhyp 双曲线频率调制信号 fmlin 线性频率调制信号 fmodany 任意频率调制信号 fmpar 抛物线频率调制信号 fmpower 幂指数频率调制信号 fmsin 正弦频率调制信号 gdpower 能量律群延迟信号 altes 时域Altes信号 anaask 幅值键移信号 anabpsk 二进制相位键移信号 anafsk 频率键移信号 anapulse 单位脉冲信号的解析投影 anaqpsk 四进制相位键移信号 anasing Lipscjitz 奇异性 anaste 单位阶跃信号的解析投影 atoms 基本高斯元的线性组合 dopnoise 复多普勒任意信号 doppler 复多普勒信号 klauder 时域Klauder小波 mexhat 时域墨西哥帽小波 二、噪声产生函数 noiseecg 解析复高斯噪声 noiseecu 解析复单位高斯噪声 tfrgabor Gabor表示 tfrstft 短时傅立叶变换 ifestar2 使用AR(2)模型的瞬时频率估计 instfreq 瞬时频率估计 sqrpdlay 群延迟估计 三、模糊函数 ambifunb 窄带模糊函数 ambifuwb 宽带模糊函数 四、Affine类双核线性时频处理函数 tfrbert 单式Bertrand分布 tfrdfla D-Flandrin分布 tfrscalo 尺度图 tfrspaw 平滑伪Affine类Wigner分布 tfrunter Unterberger分布 五、Cohen类双核线性时频处理函数 tfrbj Born-Jordan分布 tfrbud Butterworth分布 tfrcw Choi-Williams分布 tfrgrd 归一化的矩形分布 tfrmh Margenau-Hill分布 tfrmhs Margenau-Hill频谱分布 tfrmmce 谱图的最小平均互熵组合 tfrpage Page分布 tfrwv 伪Wigner-Ville分布 tfrri Rihaczek分布 tfrridb 降低交叉项的分布（Bessel窗） tfrridbn 降低交叉项的分布（二项式窗） tfrridh 降低交叉项的分布（汉宁窗） tfrridt 降低交叉项的分布（三角窗） tfrsp 谱图分布 tfrspwv 平滑伪Wigner-Ville分布 tfrwv Wigner-Ville分布 tfrzam Zhao-Atlas-Marks分布 六、其他处理函数： friedman 瞬时频率密度 htl 图像直线检测中的Hough变换 margtfr 时频表示的能量 momftfr 时频表示的频率矩 momttfr 时频表示的时间矩 renyi Renyi信息度量 ridges 波峰提取 plotifl 绘制归一化的瞬时频率规律 tfrparam 返回用于显示时频表示的参数 tfrqview 时频表示的快速可视化 tfrsave 保存时频表示的参数 tfrview 时频表示的可视化

python自定义爬虫，爬取豆瓣网以及腾讯招聘网信息并进行数据可视化分析，可自定义爬取网站

Victor C.Chen 《雷达中的微多普勒效应》（The Micro-Doppler effect in Radar）英文原版书籍PDF,我在学习时发现国内翻译版本里有许多错误，公式有误，建议还是看英文原版的

LMS均衡算法的matlab仿真，设置好数据：训练序列和传输数据，首先使用随机的训练序列进行训练达到均衡收敛，长度为2000，然后使用得到的抽头系数进行均衡，画出均衡前后的星座图比较，画出误差曲线。对LMS理解起到很好的作用。

使用pyhton3.6的pyhook，已编译修复MouseSwitch()错误。