注：正则表达式：b*[^:b#/]+.*$
笔记起草背景：看过很多人开发的代码，身边的人最近吐槽别人的代码风格。良好的风格对于自己开发过程中并无多大帮助，很大程度上是愉悦别人，注重团队合作。 开发规范 1.变量名称命名规范：ab_c 全小写，单词之间以``分隔。 2.函数命名规范：oneTwoThree 首单词小写，其它单词首字母大写。如遇到
为什么红外可以被中医所用？ 中医的辨证总纲为八纲辨证：寒热表里虚实阴阳。 中医属于哲学，寒热在现实的解析：寒热的表现（物理界的体现）可以用温度替代，通过红外可以测到人体的温度。 实例验证： 小儿咳嗽： 红外图片可以直观看到腹部高温，肺与大肠相表里，所以中医采用消食的办法，把腹部的高温降下去也就不咳嗽
注册表（regedit）： 计算机\HKEY_LOCAL_MACHINE\SYSTEM\ControlSet001\Services\Tcpip\Parameters\Interfaces\
一、名词解释： CBTC：Communication-Based Train Control,基于通信的列车控制系统 I-CBTC：Interoperability Communications-Base Train Control,基于互联互通的CBTC系统 FAO：Fully Automatic
1.应用场景示例： 在红外图像上去背景就可以采用这个原理。 动作捕捉也可以依靠这个原理。 2.两帧图像对应的值（例如红外图像对应温度值）相减。 3.继续探究与“差分法”的关联。
1.算数平均滤波： 1.对连续N个采样值进行算数平均 2.步长N可调试进行查看效果。 2.低通滤波： 1.Y(n)=αX(n)+(1-α)Y(n-1) α：滤波系数 X(n)：本次采样值 Y(n-1)：上次滤波输出值 2.代码编写过程中，α由0至1循环调试 和 由1至0循环调试，视情况而定。
注： 1.本例子是红外图像做差得到的人体图像，非人体图像温度数值都为0. 2.myGaussFilter123含边界点（未全包含：整幅图像的边界未包含，仅涵盖了图像（不不包括图像边界）中的人体边缘点）。 3.myGaussFilter不含边界点，经测试发现，对边界去毛边并未有区别（也许与自己扩充边界
1.通俗讲，对整幅图像进行加权平均的过程。 2.十分有效的低通滤波器。 3.两种实现：1.离散化窗口滑窗卷积；2.傅里叶变换。 4.高斯函数： (e:自然对数，≈2.71828) 5.高斯函数积分： 6.高斯分布： 7.高斯滤波性质（5个）： （1）二维高斯函数具有旋转对称性，即滤波器在各个方向上的
1.直接上代码： 注：此代码有点简单，可深究图像增强算法。
接上一篇高斯滤波，后来测试发现，与其扩充边界（费力气）处理，不如直接把之设为0（效果好）：
1.看了诸多博客，初步得到结论是：KNN不适合做图像分类。 2.如果偏要用此方法进行图像分类，距离计算为：对应的每个像素代表的像素值进行绝对差值计算，最后求和。这就是“图像的距离”
1. 软件层解析网络包出现问题。 排查一下网络连接上的设备是否异常，更换或不用试下。常见的有usb转网口模块、交换机等。虽然别的数据可以正常收到，也要排查下，最简单就是用一根好的网线直连。
KNN： 1.数据挖掘分类技术中最简单的方法之一。 2.也称为邻近算法，K最近邻分类算法 3.每个样本都可以用它最接近的k个邻居来代表 4.一般，距离使用欧式距离或曼哈顿距离（通常，k≤20） python代码实现 例子： 已有的分类数据： A：（1.0，2.0） A：（1.2，0.1） B：（0.
问题情境： 一堆点求斜率，不能使用简单的▲Y/▲X 解析思路： 求解：斜率——>线性回归——>最小二乘法——>最优解——>偏导 验证：相关系数r，统计量f，剩余标准差s：r趋近于1好；f越大越好；s趋近于0好。 性质： 一定过点（Avgx,Avgy）。备注：x均值，y均值 代码：
1.2^3bit=1byte 2^10b=1kb 2^10kb=1m 2^23b=1m (Int32:：2^32bit=2^29b=2^9m≈500m) 2^10m=1g 2.10^3b≈1kb 10^6kb≈1m 10^9b≈1g 1亿=1^8 10亿字节≈1g (Int32：2^32位=42.9
问题情境： 针对二维不规则图形（人体图像），寻找重心。 思路辨析： 1.注意区分于中心。中心横坐标是最小与最大横坐标的均值，纵坐标亦然。 2.可以参考重心概念公式，例如横坐标X=(x1m1+x2m2+‥+ximi)/M，其他方向坐标亦然。 解决办法： 1.自己做的方法就是简单把图形看做一个点m为1。
问题情境： 1.判断点是否在人体某个部位（不规则多边形）上 思路辨析： 判断方法有好多种，需要考虑到实用性（局限性）和代码化简易程度。 1.面积和判断，内角和判断（转角法）等，或局限于多边形形状（凹、凸），或代码计算有复杂地方（弧长，角度计算），或局限于多边形顶点的顺序问题等。 2.观察及检验之下，
1.很多时候，客户≠最终用户； 例如，对超市销售系统而言，客户是某家连锁超市（的老板），而用户是超市收银员和上货员。 因此，充分考虑客户的业务目标、上线时间的要求、预算限制。以及集成等，还要特别关注客户所在领域的业务规则和业务限制。 2.简单设计示例：（按顺序依次行径）
问题描述： 在节假日的时候，书店一般都会做促销活动。由于《哈利波特》系列相当畅销，店长决定通过促销活动来回馈读者。在
近期阅读《梦断代码》了四、五、六、七章，现在我把我的感想公之于众，在我的感想之前，先要把它的主要思想阐述一番： 第四章
昨天做了什么： 已经简单实现我的后续显示问题。 今天准备做什么： 美观上的东西来不及做了估计，我要整合到项目的实现上去。 遇到的问题： 项目问题大体上和竞赛一致，但也有不一样的地方。
昨天做了什么： 项目问题已经简单实现。 今天准备做什么： 今天是最后一天，但发现自己勉勉强强完成。不够好，从始来看是自己前期的乐观以及任务进度的缓慢造成。 除了主要功能之外：最主要的问题美观，使用者的体验感很差。 遇到的问题： 不知道大体上的app格调要成什么样子，具体到很细的标题栏，不同的字体颜色
软件是软件工程不得不提到的，而软件需求对于软件讲也是不可少的。《构建之法》很好的讲述了软件需求，其中NABCD模型是很令人
1.继续完善我们四人组的成果。 2.编写“买书”的程序，在课上已经明确此问题的规律， 因此也不用花费过多的时间。
时光荏苒，不留情面地要剥夺我的软件工程方面的再造之路。时间又是如此地冷酷的公平，不可能让我永远淋沐着王建民老师的谆谆
1.准备安卓的app程序。 2.重新翻看了一下《构建之法》。
长时间在编写代码，考虑的角度一直都是代码角度。思维难免固化，尤其在碰见难题的时候，更是百般头疼。如果这个时候可以转变一下角度思考这个问题（同时也考验了自己的学科之间的广博）。 摄像头显示问题一直是卡，自己翻开摄像头的SDK亲自编写例子测试发现摄像头的数据竟然是数次中夹杂着垃圾数据（专业角度讲是数据类
1.javaEE的编程与修改； 2.准备《封神榜》app的演讲与展示； 3.重新温读了《构建之法》。
1.在思路通畅情况下， 程序很快就能编写完成。 2.但是经过大家使用，会暴露出诸多问题。bug接二连三的出现，你都会不相信这是自己编写出来的软件。 3.所以
Copyright © 2005-2024 51CTO.COM 版权所有 京ICP证060544号
