搜索资源列表
RoboCup
- 文章从功能分析、结构设计、软件实现三个层面，逐步求精的设计实现混合的Agent体系结构，规划各模块的功能和接口，并解决Agent与Server的同步问题。 介绍底层通信器、感知器、执行器的实现。 第五章使用类图设计世界模型的结构，设计更新算法融入各种感知信息和动作 预测，依据基本信息推导出一些球场状况判断函数为高层决策所用。 介绍了建立四层动作模型，采用解析计算法实现多种个人技术动作，如跑位、 截球、传球、带球、射门、守门等。-Articles from functional
TD-SCDMA
- 非常详细讲解TD-SCDMA技术 目录 第一章 概述 第二章 第三代移动通信的网络结构 第三章 接入网的基本结构 第四章TD-SCDMA 物理层 第五章 无线接口协议 第六章 TD-SCDMA 无线射频特性 第七章 无线资源管理 第八章 高速下行分组接入（HSDPA） 第九章 3G核心网络及 TD-SCDMA 灵活的组网络方式 参考文献 -Very detailed technical explanation directory 第一章概述
CPPPrimer4th
- 本书介绍了 C++ 国际标准，既涵盖语言的特征，又讲述了也是标准组成部分的丰富标准库。C++ 的强大很大程度上来自它支持抽象程序设计。要学会用 C++ 高效地编程，只是掌握句法和语义是远远不够的。我们的重点在于，教会读者怎样利用 C++ 的特性， 快速地写出安全的而且性能可与 C 语言低层程序相媲美的程序。 C++ 是一种大型的编程语言，这可能会吓倒一些新手。现代 C++ 可以看成由以下三部分组成： • 低级语言，多半继承自 C。 • 更高级的语言特征，用户
FTP
- 文件传送是各种计算机网络都实现的基本功能，文件传送协议是一种最基本的应用层协议按照客户/服务器的模式进行工作，提供交互式的访问，是INTERNET使用最广泛的协议之一。本程序设计主要学会学会利用已有网络环境设计并实现简单应用层协议，掌握TCP/IP 网络应用程序基本的设计方法和实现技巧，理解处于相同网络环境下的两个不相同的程序如何实现数据上传和下载，进一步理解服务器和客户端的工作原理及通信方法，在数据交互中掌握TCP/IP的体系结构，体会TCP的运输连接管理的三个阶段：建立连接、数据传送、释放连
binTree-hfut
- 合肥工业大学数据结构试验三二叉树（包括实验要求、预习报告、最终试验报告）。 主要实验内容： <1>求二叉树的高度。 <2>设计算法按中序次序输出二叉树中各结点的值及其所对应的层次数。 <3>将按顺序方式存储在数组中的二叉树转换为二叉链表形式。 <4>复制一棵二叉树T到T1。 <5>交换二叉树中每个结点的左右孩子指针的值。 <6>设计算法以实现下面所提到以扩
AnimalsRecognition(JAVA)
- 动物识别系统实验 1.基于规则产生式系统结构： 基于规则的产生式系统一般由规则库（知识库）、综合数据库和推理引擎（推理机）三部分组成，规则库中它的基本组成框架如下图1所示。 知识库由谓词演算事实和有关讨论主题的规则构成，综合库又称为上下文，用来暂时存储推理过程中的结论和数据。推理机是用规则进行推理的过程和行为。知识采集系统是领域专家把相关领域的知识表示成一定的形式，并输入到知识库中。解释系统通过用户输入的条件来分析被系统执行的推理结构，并将专家知识以易理解的方式并把知识解释给用户。 2. 简单动
CPP(BackwardReasoning)
- 动物识别系统实验 1.基于规则产生式系统结构： 基于规则的产生式系统一般由规则库（知识库）、综合数据库和推理引擎（推理机）三部分组成，规则库中它的基本组成框架如下图1所示。 知识库由谓词演算事实和有关讨论主题的规则构成，综合库又称为上下文，用来暂时存储推理过程中的结论和数据。推理机是用规则进行推理的过程和行为。知识采集系统是领域专家把相关领域的知识表示成一定的形式，并输入到知识库中。解释系统通过用户输入的条件来分析被系统执行的推理结构，并将专家知识以易理解的方式并把知识解释给用户。 2. 简单动
C(Forwardreasoning)
- 动物识别系统实验 1.基于规则产生式系统结构： 基于规则的产生式系统一般由规则库（知识库）、综合数据库和推理引擎（推理机）三部分组成，规则库中它的基本组成框架如下图1所示。 知识库由谓词演算事实和有关讨论主题的规则构成，综合库又称为上下文，用来暂时存储推理过程中的结论和数据。推理机是用规则进行推理的过程和行为。知识采集系统是领域专家把相关领域的知识表示成一定的形式，并输入到知识库中。解释系统通过用户输入的条件来分析被系统执行的推理结构，并将专家知识以易理解的方式并把知识解释给用户。 2. 简单动
monitor-recorder
- SeetaFace人脸识别引擎包括了搭建一套全自动人脸识别系统所需的三个核心模块，即：人脸检测模块SeetaFace Detection、面部特征点定位模块SeetaFace Alignment以及人脸特征提取与比对模块SeetaFace Identification。 主要功能： 人脸检测模块(SeetaFace Detection): 采用了一种结合传统人造特征与多层感知机（MLP）的级联结构，在FDDB上达到了84.4 的召回率（100个误检时），并可在单个i7
main
- 人脸检测： 第一部分，使用Harr-like特征表示人脸，使用“ 积分图”实现特征数值的快速计算; 第二部分， 使用Adaboost算法挑选出一些最能代表人脸的矩形特征( 弱分类器)，按照加权投票的方式将弱分类器构造为一个强分类器; 第三部分， 将训练得到的若干强分类器串联组成一个级联结构的层叠分类器，级联结构能有效地提高分类器的检测速度。(Face detection: In the first part, the Harr-like feature is used t
python
- 2-3tree的python实现，2-3树是最简单的B-树（或-树）结构，其每个非叶节点都有两个或三个子女，而且所有叶都在统一层上。2-3树不是二叉树，其节点可拥有3个孩子。(Python implementation of 2-3tree)