系统工程手册INCOSE Systems Engineering Handbook 4e .pdf

将二进小波变换用于图像增强的MATLAB代码。

matlab禁忌搜索算法解决背包问题，matlab环境编写，带注释

用gan生成序列的一些资料和代码的汇总 gan act pdf

　　路灯控制器（数电课程设计）完整版…………

很好的MFRC500智能射频卡学习资料, 大家来看看, 免费的哦, 主要讲单片机怎么控制MFRC500

赤兔海康监控恢复软件能够恢复因病毒感染、误格式化、误分区、误克隆、误删除、操作断电等而导致数据丢失的多种格式的MP4监控录像。软件采用碎片处理技术,可以最大程度确保海康监控录像文件的恢复。赤兔海康监控录像恢复软件目前可以自动识别时间，自动分离通道，扫描到即可直接预览监控内容，恢复民用、司法以及海康加密监控视频!

【实例简介】以下是图2.2的数据流图中部分的数据信息的数据字典 ******************************************* 名 字：管理员 别 名：系统管理员 描 述：对公寓系统进行操作的人员 定 义：管理员=[普通用户 | 超级用户] 位 置：用户表 ******************************************* 名 字：事务 别 名： 描 述：代表要办理的一个具体事件 定 义：事务=[系统事务|公寓事务|学生事务|出入事务] 位 置：系统登陆 ******************************************* 名 字：接收事务 别 名：接受事务 描 述：接受管理员要办理的一个具体事件 定 义：接收事务=事务命令+事务 位 置：接收事务 ******************************************* 名 字：系统事务 别 名：系统事件 描 述：系统管理员进行系统管理的特定事件 定 义：系统事务=[修改密码|用户管理] 位 置：系统管理 ******************************************* 名 字：公寓事务 别 名：公寓事件 描 述：系统管理员进行公寓管理的特定事件 定 义：公寓事件=[楼房管理|员工管理|宿舍管理] 位 置：公寓管理 ******************************************* 名 字：学生事务 别 名：学生事件 描 述：系统管理员进行公寓学生管理的特定事件 定 义：学生事务=[学生信息查询|公寓信息查询] 位 置：学生管理 ******************************************* 名 字：出入事务 别 名：出入事件 描 述：系统管理员对外来人员及公寓学生物品出入管理的特定事件 定 义：出入事务=[外来人员登记|物品出入登计] 位 置：出入登计管理 ******************************************* 2.4.7 产品的功能 a. 用户可以用该软件对系统进行管理，比如管理员的添加； b. 用户可以用该软件对公寓进行管理，比如公寓员工管理； c. 用户可以用该软件对公寓学生进行管理，比如学生调换寝室管理； d. 用户可以使用该软件对进出外来人员进行管理； 2.4.8 技术方面的可行性 根据小组成员拥有良好的VC编程能力及拥有SQL SERVER 2000的使用经验，再根据上述分析情况，利用现有人力和物力是具备开发此系统能力的。加之学校老师指导及其它资源丰富情况，学生宿舍管理系统在技术上是完全可行的。 2.5 可选方案 签于当前用户要求系统具有高安全性，在数据库使用上都要求具有完善的管理功能且日后数据库升级方便， 因而本次使用主要根据数据库的易用性及易升级性提供两种方案。 a. 采用Oracle数据库设计，这一数据库系统现在已成为主流的数据库管理 系统，且易操作，易升级，因此提出这一方案。 b. 采用SQL SERVER 2000的数据库管理系统实现。 根据小组成员的技术，目前尚只有具备使用SQL SERVER 2000数据环境开发 的能力，且当前校园大多使用SQL SERVER 2000作为数据库管理系统，因而第二 种方案作为本次系统开发的方案。 2.6 投资及收益分析 2.6.1 市场分析 学生宿舍管理系统主要是为了解决学校的学生管理问题， 并且减轻行政人员的工作负担。特别是当前学校管理学生公寓的相关软件尚不多，且功能少，不完善，升级困难，操作不方便。 本系统是针对广大学校公寓管理情况开发的公寓管理系统，适合广大学校需 求，它追求的是简单、易学、易懂、易用，易升级，能够更有利的解决行政人员 的负担，因而市场是相当光明的。 2.6.2 投资估计 按本软件学生宿舍管理系统开发方案，对于本系统软件投资方向，体现于软件开发、软件生产及软件测试。 本系统完全按开发计划进行估算，估计上网，打印需一些费用。 本系统大约总体耗费主要为时间，精力。 本系统本非收益性质开发，重要是为解决学校现行公寓管理的需要。 2.7 社会因素方面的可行性 2.7.1 技术 本系统与校方紧密结合。 2.7.2 使用方面的可行性 学校行政人员对该产品的应用是可行的。 2.8 产品可检测性 2.8.1 检测标准

无人车轨迹跟踪控制的MATLAB实现，通过simulink实现的。

在特征波长选取方面有一些创新，可以作为参考。在特征波长选取方面有一些创新，可以作为参考。（基于高光谱成像的蓝莓内部品质检测特征波长选择方法研究古文君1 ，田有文 1* ，张芳1 ，赖兴涛 1 ，何宽1 ，姚萍1 ，刘博林 2）586-482016620010~15mm0.8~2.3g。fone3:(InSpector V10E, Spectral InFinland)1392pix×1040pixCCDL CCD2(IGV-B141OM, IMPERX Incorporated, USA), 150W1. CCD Camera; 2.Spectrometer; 3.Shot; 4. Light source; 5. Samples(3900 Illuminatior, Illumination Tech6.Translationplatform7.Lightsourcecontroller;8.computernologies inc.,USA)、(IRCP0076-19. Translation platform controllerCOM,)、(120cm×50cmx(DELL VoStro 5560D-1528Figure 1 Schematic diagram of hyperspectral imagingcmsystem400~1000nm,4722.8nmRRGY-4(10mm)(DBR45(successive projections algorithm, SPA(stepwise multiple linear regression, SMLR)(SPA)(SMLR)SPASPASMLRSPA-SPA、SMLR_SMLR、SPA- SMLRSMLR-SPA21994-2018ChinaAcadcmicJournalElcctronicPublishingHousc.Allrightsrcscrved.http://www.cnki.nct5871.6BP(error back propagation)BP17(correlation coeffiient of calibration, Re)(root mean square error of calibration set, RMSEC)correlation coeffiient of pre-diction, Rp)(root mean square error of prediction set, RMSEP)ENVI 4.8(Research System Inc, ), MATLAB 2014a(The Math Works Inc)、TheUnscrambler9.7、 Excel2010(Ⅵ icrosoftdgle banddWcvef.BP models for soluble solidsThe selected characteristic wavelengthCurve of relative reflectanceExtract the region of interescontent and firmness prediction2figure 2 Flow chart of data processing280mm,68ms,28mm·s-。99%202.2600nm600nm2b2c)21994-2018ChinaAcadcmicJournalElcctronicPublishingHousc.Allrightsrcscrved.http://www.cnki.nct5884823(2f)BPSavitzky-Golasavitzky -golayTable 1 The effect of different spectra preprocessingCalibration setPredictioSpectrum typeRMSECRMSEPOriginal spcctrum0.933/0.9230.3510.4040.9200.9100.508/0.319MSCThe spectrum after MSC processing0.940/0.9450.56lO.3120.9190.9320.516/0.282SNThe spectrum after SNV processin0.93709340.60210.24309220.9010.6320.462Savitzky-golayThe spectrum after Savitzky-Golay processing 0.955/0.9550.3240.2410.951/0.9490.400/0.2782.5SPA-SPA SMLRSMLR SPA-SMLR SMLR-SPASPA-SPASPASavitzky-GolaySPATable 2 The results of multi-stage characteristic wavelength selection methodnmCharacteristie wavelength selection methodSPA-SPA452,455,470,482,490,785,893,912,921,942,950455,470,482,785,893.912SMLR-SMLR457,508,516,534,543,51,556,568,712,720.774,778508,534,543,712,720,774SPA-SMLR452,455,470,482,490,785,893,912,921,942,950452,470,482,490,893,912SMLR-SPA457,508,516,534,543,551,556,568,712,720,774,78534,7202.6Savilzky-gola(FS)392SPA-SPASMLR-SMLRSMLR-SMLRSMLR-SPABPBP0.001500021994-2018ChinaAcadcmicJournalElcctronicPublishingHousc.Allrightsrcscrved.http://www.cnki.nct589BPBPSPA-SPARp RMseP0.9520.391°Brix,RpRMSEP0.9530.234BrixTable 3 Detection results of soluble solid content and firmness of blueberry based on different multi-stagecharacteristic wavelength selection methodsCalibration setPrediction setCharacteristic selection method Wavelength numberRMSECRMSEP3929550.9550.324/0.2410.9510.9490.400/0.278SPA-SPA0.9590.9560.3180.1530.9520.9530.391/0.234SMLR-SMLR0.9560.9340.414/0.243912109020.559/0.349SPA SMLR0.828/0.8581.3670.58582208091.440/0.719SMLR- SPA20.958/0.9360.402/0.3359320.9280.435/0,4041387nm1229nm91.5%BPRRMSEP0.904215.163lBP3Rv0.84V0.94Rv0.83,SEV0.63。400-1000nmSavitzky-GolayBPSPA-SPASPA-SPA21994-2018ChinaAcadcmicJournalElcctronicPublishingHousc.Allrightsrcscrved.http://www.cnki.nct59048[1 KADER F,ROVEL. B Fractionation and identification of the phenolic compounds of highbush blueberries(Vaccinium corymbosumLUJ].Food Chemistry, 1996,55(1): 35-40「J,2012,33(1):340-342,2017,38(2):301-305.[4 MENDOZA F, LU R, ARIANA D,et al. Integrated spectral and image analysis of hyperspectral scattering data for prediction ofple [ruil firmness and soluble solids conlenl[J] Poslharvesl Biology and Technology, 2011, 62(2: 149-160[5 SUN M J, ZHANG D, LIU L,et al. How to predict the sugariness and hardness of melons a near-infrared [J]. Food Chemistry,2017,218(3:413-42116 SIEDLISKA A, BARANOWSKI P, MAZUREK W, ct al. Classification models of bruise and cultivar detection on the basis of hy-perspectral imaging data[J]. Computers and Electronics in Agriculture, 2014, 106: 66-74[7 LIU D, SUN D W, ZENG X N, el al. Recenl aDvances in wavelength seleclion lechniques for hyperspectral image processing inthe food industry[J]. Food Bioprocess Technol, 2014, 7: 307-323[8 ZHANG C, GUO C T, LIU F,et al. Hyperspectral imaging analysis for ripeness evaluation of strawberry with support vector ma-chine[j] Journal of Food Engincering, 2016, 179: 11-18[9J,2016,47(5:634-6402009,29(:1611-1615201536(12)171-17612]J,2012,32(11:3093309[13] LI B C, HOU B L, ZHANG D W,et al. Pears characteristics (soluble solids content and firmness prediction, varieties) testingInethods based on visible-near infrared hyperspecTral imaging[J]. OpLik, 2016, 127: 2624-2630[14] FAN S X, ZHANG B H,LI J B, et al. Prediction of soluble solids content of apple using the combination of spectra and textural features of hyperspectral reflectance imaging data[J. Postharvest Biology and Technology, 2016, 121: 51-61[15 RAJKUMAR P, WANG N,EIMASRY G, et al.Studies on banana fruit quality and maturity stages using hyperspectral imaging[ JIJournal of Food Engineering 2012, 108: 194-200,2015,36(16):10172015,35(8:2297-2302[18]WANG N,2007,23(2:151-155.「192008,39(5):91-9320」201536(10:70-74.[21] WU D, SUN D WAdvanced applications of hyperspectral imaging technology for food quality and safety analysis and assess-ment a review part T[J]. Innovative Food Science and Emerging Technologies, 2013, 19(4): 1-14J2014,35(8:57-61BP,2012.124」13,44(2):142-146.25],201523(6:1530-1537M011:41-48.[27,2013,24(10:1972-19762010,30(10):2729-2733?1994-2018ChinaAcadcmicJournaleLcctronicPublishingHousc.Allrightsreservedhttp://www.cnki.nct

贡献本人自写的unity四川麻将单机版源码，代码主要使用UGUI完成 实现了发牌切牌听牌等一系列逻辑 没有写计番功能