世界先进的编译器LLVM代码包

这个视频是用来转换成灰度RGB视频使用网络摄像头这个项目是在qt使用opencv函数实现

代码实现乐ls中选项-R，递归列出目录中所有文件包含子目录中的文件，实现分栏，，处理以目录为参数（ls /tmp)的命令行。

只是一些简单的，在学习多系统编程的示例。环境是Linux的红帽子系统。例子都很简单，初学者可以很好的看懂一些进程和线程的机制。包括进程通信的几种方式。也包括死锁，管道，等等

本系统是是在linux下的基于QT条件下的聊天系统 ，本系统包括客户端和服务器  ，开始时登录界面，根据IP地址，获得你要聊天的对象。并且提示是否你连接成功与否，从而判断对方是否也在线 。如果连接成功，则进入聊天界面 从而双方就行聊天 。

NS2入门教学NS2入门教学NS2入门教学NS2入门教学NS2入门教学NS2入门教学NS2入门教学NS2入门教学NS2入门教学NS2入门教学NS2入门教学NS2入门教学NS2入门教学NS2入门教学NS2入门教学NS2入门教学NS2入门教学NS2入门教学NS2入门教学NS2入门教学NS2入门教学NS2入门教学NS2入门教学NS2入门教学

pdos彩票设计系统，用QT3.3制作，在LINUX下运行的实际范例，是POS机和销售管理QT应用的经典学习模版，里面有关数据库和网络应用的写法，登录界面以及数据库链接都可以作为QT学习者的入门范例进行修改应用在自己的QT程序设计当中，本人经验尚浅，但觉得作者的写法是非常通俗易懂的。还有在进行编译的时候，如果自己的LINUX系统缺少QT库的头文件可以在QT3.3的include里面找到，如果找不到头文件，可以在评论的里面留下Email邮箱，我可以发过去给各位QT的爱好者们

LDA是一种文档主题生成模型，也称为一个三层贝叶斯概率模型，包含词、主题和文档三层结构。文档到主题服从Dirichlet分布，主题到词服从多项式分布。 LDA是一种非监督机器学习技术，可以用来识别大规模文档集（document collection）或语料库（corpus）中潜藏的主题信息。它采用了词袋（bag of words）的方法，这种方法将每一篇文档视为一个词频向量，从而将文本信息转化为了易于建模的数字信息。但是词袋方法没有考虑词与词之间的顺序，这简化了问题的复杂性，同时也为模型的改进提供了契机。每一篇文档代表了一些主题所构成的一个概率分布，而每一个主题又代表了很多单词所构成的一个概率分布。 对于语料库中的每篇文档，LDA定义了如下生成过程（generative process）： 1. 对每一篇文档，从主题分布中抽取一个主题； 2. 从上述被抽到的主题所对应的单词分布中抽取一个单词； 3. 重复上述过程直至遍历文档中的每一个单词。

电力系统远动系统采用61850标准，详细实现了61850协议的细节，用于电力系统各个智能设备IDE远动系统之间通讯，兼容大部分电力系统标准。

源码有sipserver.c，sipclient.c和compile.sh，适合于初学者了解osip和eXosip的交互流程，程序简单且结构清晰。

这是我的计算机实验室的代码，一个简单的程序，让你了解Linux编程。这是一个聊天程序的示例。