[其它] 基于自适应PCA的帝国冶炼过程故障诊断方案

说明：本文提出了一种基于递归主成分分析的自适应故障检测方案为了解决实际过程中由于正常过程变化而引起的误报问题，提出了PCA（PCA）方案。 我们的进一步研究也致力于开发基于广义似然的故障隔离方法比率（GLR）测试和奇异值分解（SVD）是PCA的通用技术之一， 通过明确的偏移故障方向和缩放比例，可以轻松地隔离偏移和缩放错误故障分类。 偏移和定标故障的识别也适用。 完整的方案提出了基于PCA的故障诊断方法。 拟议的方案首次应用于英制冶炼过程，结果表明所提出的策略能够减轻误报并有效地隔离故障。
<weixin_38628243> 上传 | 大小：849kb

[其它] 基于标记可辨识矩阵的增量式属性约简算法

说明：针对现有增量式属性约简算法中存在的约简传承性差以及不完备现象, 提出基于标记可辨识矩阵的增量式属性约简算法. 本文首先定义了标记函数, 对样本之间的可辨识性进行分类, 并将之引入一个新的可辨识矩阵, 在新增样本时, 结合标记信息可以快速识别可辨识矩阵元素集的异动, 获得强传承性的约简超集, 在此基础上, 设计与标记可辨识矩阵匹配的必要矩阵,用以快速判断并删除冗余属性, 确保约简的完备性. 理论分析以及实验测试表明, 本算法具有约简传承性强, 约简集完备等特点, 具有较强的实用性.
<weixin_38608055> 上传 | 大小：522kb

[其它] 通用界面指南

说明：火龙果软件工程技术中心  一：遵循一致的准则，确立标准并遵循无论是控件使用，提示信息措辞，还是颜色、窗口布局风格，遵循统一的标准，做到真正的一致。这样得到的好处：1：使用户使用起来能够建立起精确的心里模型，使用熟练了一个界面后，切换到另外一个界面能够很轻松的推测出各种功能，语句理解也不需要费神理解2：降低培训、支持成本，支持人员不会行费力逐个指导。3：给用户统一感觉，不觉得混乱，心情愉快，支持度增加做法：项目组有经验人士，确立UI规范：·美工提供色调配色方案，提供整体配色表·界面控制程序人员、用
<weixin_38722348> 上传 | 大小：140kb

[其它] 模糊着陆：使用CSS Grid制作的模糊着陆页-源码

说明：模糊着陆：使用CSS Grid制作的模糊着陆页
<weixin_42130786> 上传 | 大小：399kb

[其它] sputnic2-源码

说明：上载时间是不正确的！
<weixin_42134143> 上传 | 大小：7kb

[其它] mypencilkills：GitHub桌面教程存储库-源码

说明：mypencilkills：GitHub桌面教程存储库
<weixin_42131785> 上传 | 大小：8mb

[其它] 电子实用文章：电子实用文章-源码

说明：电子实作 参见 。
<weixin_42113380> 上传 | 大小：481kb

[其它] 纯电动乘用车驱动电机系统对拖试验台架

说明：纯电动乘用车驱动电机系统对拖试验台架
<weixin_38554781> 上传 | 大小：866kb

[其它] 放大控制台演示-源码

说明：放大控制台演示
<weixin_42122432> 上传 | 大小：2kb

[其它] telegram-auto-remover：删除由用户名选择的用户-源码

说明：电报自动删除 删除由用户名选择的用户 指数 要求 码头工人 安装 在filter.json填充每个应过滤的单词或字母。 生成映像$ docker build . -t telegram-auto-remover $ docker build . -t telegram-auto-remover 使用$ docker run --rm -d -e TOKEN= -e CHAT_ID= telegram-auto-remover运行容器
<weixin_42121086> 上传 | 大小：3kb

[其它] 各向异性四阶扩散正则化用于多帧超分辨率重建

说明：提出了一种基于正则化的新颖方法用于超分辨率重建，以实现噪声去除和边缘保留之间的良好权衡。 该方法是通过使用L1范数作为数据保真度项和各向异性四阶扩散模型作为正则项来开发的，以约束重构图像的平滑度。 为了评估和证明该方法的性能，进行了一系列实验，并与一些现有方法进行了比较，包括双三次插值法和双边总变分法。 综合数据的数值结果表明，与双边总变分方法相比，该方法的PSNR改进平均大约为1.0906 dB，并且在真实视频上的结果表明，该算法在去除视觉伪影和保留边缘方面也有效在还原的图像中。
<weixin_38624437> 上传 | 大小：1mb

[其它] 基于HVS和BP神经网络的有效多聚焦图像融合。

说明：多焦点图像融合的目的是将从同一场景拍摄的图像与不同焦点融合在一起，以获得所有对象均处于焦点状态的合成图像。 提出了一种基于人类视觉系统（HVS）和反向传播（BP）神经网络的多焦点图像融合方法。 首先提取反映像素清晰度的三个特征，并将其用于训练BP神经网络以确定哪个像素更清晰。 然后，将较清晰的像素用于构建初始融合图像。 第三，通过测量源图像和初始融合图像之间的相似度，然后进行形态学打开和关闭操作，来检测聚焦区域。 最后，通过融合规则获得那些聚焦区域的最终融合图像。 实验结果表明，该方法在主观评价
<weixin_38650951> 上传 | 大小：1mb