V4L2+Qt4+YUYV摄像头采集

这个项目创建整个实现的AODV NS2 2.35版。但是它可以编写,在ubuntu安装ns2模拟。ns创建新格式。tr跟踪文件我们需要awk screept情节xgraphs。从这个文件中提取数据。awk文件将提取吞吐量、端到端延迟、数据包交货率等。tr文件,分别为25和50个节点。然而我还附加一个TCL文件描述文件,这样小变化我们可以得到结果为不同节点的程序。

linux 下使用 c/c++多线程 操作串口,高速率读取串口数据接收及解析并根据具体的逻辑进行处理，处理逻辑windows 下串口操作通用。

此 AODV。CC 和 AODV。H 帮助提供知识，以执行恶意节点在网络即 ns2.35 的任何协议。

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 。

【实验目的】 1、了解 BootLoader 的基本概念和框架结构 2、了解 BootLoader 引导操作系统的过程 3、掌握 bootloader 程序的编译方法 4、掌握 BootLoader 程序的使用方法

一个火车订票系统的项目，有大致的框架，可以实现购票、退票、余票查询、列车时刻表查询、代售点查询、排队买票等等的功能，基本功能都已经具备，但是代码的细节还有待优化，毕竟只是个菜鸟的练手作品

这是一个有服务器端和客户端的源代码，有点小的瑕疵 正在改进学习，有更好的可以联系我，我只是初学者，想和大家一起学习。

主动模式下，FTP客户端从任意的非特殊的端口（N > 1023 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

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。

ASN.1 编译器的目的是要转换成 ASN.1 表示法中的规范 一些其他语言。在这时刻，只有 C 和 c + + 的目标语言支持， 后者是在向上兼容性模式。 编译器读取，规范并发出一系列的目标语言结构 (C 结构、 工会、 枚举） 描述相应的 ASN.1 类型。编译器还会创建 它允许自动序列化和反序列化使用这些结构的代码 几个标准化编码规则 (BER、 范、 定影剂、 %）。