[其它] 复杂区域的光源优化布局算法

说明：复杂区域的光源优化布局算法
<weixin_38733525> 上传 | 大小：1mb

[其它] JavaScript-源码

说明：不要叉！不要星！不要远程调用！同步此库，然后调用自己的库，谢谢 特别声明： 本仓库发布的脚本项目中涉及的任何解锁和解密分析脚本，仅用于测试和学习研究，禁止用于商业用途，不能保证其合法性，准确，可以和有效，请根据情况自行判断。 本项目内所有资源文件，禁止任何公众号，自媒体进行任何形式的转载，发布。 ziye11对任何脚本问题概不负责，包括但不限于由任何脚本错误导致的任何损失或损害。 间接使用脚本的任何用户，包括但不限于建立VPS或在某些行为上违反国家/地区法律或相关法规的情况下进行传播， 请勿将
<weixin_42099755> 上传 | 大小：3mb

[其它] 深度学习之图像修复

说明：本文来自于csdn，文章介绍了一种基于CNN的图像复原方法，包括CNN网络结构，关于内容生成网络的训练和LossNN的定义等相关内容。图像修复问题就是还原图像中缺失的部分。基于图像中已有信息，去还原图像中的缺失部分。从直观上看，这个问题能否解决是看情况的，还原的关键在于剩余信息的使用，剩余信息中如果存在有缺失部分信息的patch，那么剩下的问题就是从剩余信息中判断缺失部分与哪一部分相似。而这，就是现在比较流行的PatchMatch的基本思想。CNN出现以来，有若干比较重要的进展：被证明有能力在C
<weixin_38628175> 上传 | 大小：838kb

[其它] 通过基于MRF的优化从管道视频中进行圆柱全景镶嵌

说明：通过基于MRF的优化从管道视频中进行圆柱全景镶嵌
<weixin_38686677> 上传 | 大小：1mb

[其它] 使用“数据驱动测试”之前应该知道的

说明：从它的定义来看，就是数据的改变从而驱动自动化测试的执行，最终引起测试结果的改变。说的直白些，就是参数化的应用。这里以csv文件为例，大多文章也是选用的csv/excel文件。参数、断言、结果都有了，大概就这样子吧？接下来需要将数据读取出来。 得到结果： 这里得到一个测试数据的二维数组。那么接下来要用这些数据做自动化测试了？被测试功能如下：测试代码如下： 运行之后的测试结果： 看，结果已经写到最后一列了。最后，我们还需要将测试结果写回到csv文件中。 打开CSV文件，结果如下：看结果一列，是不是已
<weixin_38629362> 上传 | 大小：168kb

[其它] 南霍阿伊托-源码

说明：链接不和谐更新文件
<weixin_42098759> 上传 | 大小：13mb

[其它] 致电音乐Heroku-源码

说明：SU Music Player —第一个基于PyTgCalls开源开源Pyrogram机器人，可在语音聊天中播放音乐 笔记 这或PyTgCalls都不是完全稳定的。 部署到Heroku 学分 ：主要开发人员 ：Heroku支持 和：PyTgCalls
<weixin_42117037> 上传 | 大小：2kb

[其它] 通过一般双线性变换优化NURBS曲面的保形性

说明：通过一般双线性变换优化NURBS曲面的保形性
<weixin_38740144> 上传 | 大小：1mb

[其它] 可用性测试的实施详解（纯干货！）

说明：本文来自于jianshu，文章介绍了什么是可用性测试、可用性测试类型以及进行可用性测试的过程等相关内容。可用性测试是通过观察有代表性的用户，完成产品的典型任务，从而界定出可用性问题并解决的过程。通俗地讲就是“观察用户使用产品”。a有效性（独立完成任务的比例）b完成任务的时间c满意度（用户主观评价操作难易／好感／是否再次使用的意向）d发现可用性问题（如，用户使用中表现出的挫败感／没有看到该看到的内容／说自己完成任务但实际并没完成／偏离成功的操作）a形成式：让用户出声思考；小样本；不作定量对比；适用
<weixin_38628920> 上传 | 大小：673kb

[其它] SpringBoot单元测试JUnit的实践

说明：JUnit是一款优秀的开源Java单元测试框架，也是目前使用率最高最流行的测试框架，开发工具Eclipse和IDEA对JUnit都有很好的支持，JUnit主要用于白盒测试和回归测试。白盒测试：把测试对象看作一个打开的盒子，程序内部的逻辑结构和其他信息对测试人员是公开的；回归测试：软件或环境修复或更正后的再测试；单元测试：最小粒度的测试，以测试某个功能或代码块。一般由程序员来做，因为它需要知道内部程序设计和编码的细节；JUnitGitHub地址：开发环境：SpringBoot2.0.4RELEAS
<weixin_38719635> 上传 | 大小：246kb

[其它] 基于弱监督ECOC算法的肺结节辅助检测

说明：肺结节的准确分类与识别是计算机辅助诊断系统在肺癌诊断领域应用的关键，同时也面临巨大的挑战。该技术不仅在特征表示、样本标记等方面存在发展的瓶颈，而且目前缺少准确、有效的分类识别算法。本文提出了一种结合弱监督纠错输出编码（Error－correcting output codes, ECOC）算法和肺结节形状特征表达的肺结节多分类算法。为了提高分类识别的准确率，本文对肺结节的形状特征进行了详细的分析，并提出了一系列准确的形状特征描述向量。在分类识别阶段，算法训练学习了利用专家对肺结节标记信息标记的少
<weixin_38574132> 上传 | 大小：559kb

[其它] 改进的基于局部监督算法的模糊聚类在肺结节分类与识别中的应用

说明：准确分类和识别肺结节是肺癌计算机的重要且关键的过程，辅助诊断（CAD）系统。 为了提高准确率，本文提出了一种基于LIDC数据库中医生注释信息的改进的局部监督模糊聚类算法。 首先，将所有肺结节从CT图像中分割出来。 其次，根据肺结节的病变特征，我们提取了一组主要基于形状的特征向量。 最后，我们通过在聚类过程中利用标记样本的类信息来计算参考成员资格，并使用参考成员资格来指导测试样本的聚类过程，以帮助测试样本更准确地聚类。 实验结果表明，该方法在分类和识别方面要优于传统算法。
<weixin_38646914> 上传 | 大小：550kb