关于语言的悟道

Linker:

呵呵
其实,用Haskell悟道非常的好

禹呈:

还是你说像lua那样就够了?

Linker:

因为,没悟道透彻就不会用
我觉得js很lua是同样的 道

禹呈:

不用悟透彻也会用的语言也有

Linker:



禹呈:

比如python

Linker:

那是
对的
python其实是better c++

禹呈:

o?这么有洞察力的见解

Linker:

其实,没有语言是真正独立的
都是参照以前的语言造出来的

禹呈:

js貌似不允许多返回值吧?

Linker:

但是,很多新语言并没有领悟到真谛就开始造了
比如D语言

禹呈:

商业软件都是这样的
D有商业软件背景
这就是商业和开源的区别

Linker:


多返回值??
直接返回一个object
不就行了
还有就是一个[]
[1,2,3,]
这不就是多返回值

Sent at 4:24 PM on Friday
Linker:

不是么
没转过弯?

Sent at 4:27 PM on Friday
禹呈:

no
多返回值
其实
具有划时代的意义
不是一个简单的打个包的问题
这是一场变革
函数是单入口单出口的
入口可以多个值
出口却一般只有一个
这里面暗示了一个精神
函数的出口入口地位是不对等的
然而
据我最新的悟道成果
它们
应该是对等的
酱子

Linker:


对的

禹呈:

函数

Linker:

所以异常就没必要了

禹呈:

是接成管道网络的一个个IC

Linker:

其实lua的协程就是异常

禹呈:

听说过一种无返回值风格:

Linker:

其实lua的协程就是异常

禹呈:

stackless风格

Linker:

lua的协程就是一种无返回值的

禹呈:

每个函数都是f(a, b, c, ..........., callback)

Linker:

就是协程嘛

禹呈:

函数没有return

Linker:

你站高点看
协程就是异常

禹呈:

出来,就是callback(x, y, z, ..........)

Linker:

没差别

禹呈:

f(a, b, c, ............, on_return)
这就是协程不假
不过
协程也只是一个推论
而底下的“公理”
叫continuation

Linker:

恩,是啊
咔咔
你也悟道了
咔咔

禹呈:

多返回值,就是对continuation的直接支持
scheme里有call/cc

Linker:

恩,是啊,lua的多返回值是非常不同于别的语言的设计

禹呈:

lua里的对应物,不是coroutine

Linker:

是?

禹呈:

而是尾递归优化与多返回值的联合

Linker:

哦,我现在就这么用呢
代码我给你看过了

禹呈:

咔咔

Linker:

咔咔

禹呈:

ok,悟道完毕

Linker:

其实,Erlang也是这个道
只是Erlang加入了OO思想

禹呈:

烫手山芋模型?

Linker:

FP壳
OO肉
所以比较容易接受

禹呈:

壳在肉外面……还是个爬行动物

Linker:

Lua的这种把高级特性很隐晦的表的的语言比较少见
Haskell想反
是OO肉在外面,FP核心在里面
Lua是FP核心在里面藏着,一堆杂七杂八的东西在外面

禹呈:

肉在外面,这个应该是哺乳动物了

Linker:

恩,是啊
我觉得是

可惜能悟到这些道人太少
本课题设计了一种利用Matlab平台开发的植物叶片健康状态识别方案,重点融合了色彩与纹理双重特征以实现对叶片病害的自动化判别。该系统构建了直观的图形操作界面,便于用户提交叶片影像并快速获得分析结论。Matlab作为具备高效数值计算与数据处理能力的工具,在图像分析与模式分类领域应用广泛,本项目正是借助其功能解决农业病害监测的实际问题。 在色彩特征分析方面,叶片影像的颜色分布常与其生理状态密切相关。通常,健康的叶片呈现绿色,而出现黄化、褐变等异常色彩往往指示病害或虫害的发生。Matlab提供了一系列图像处理函数,例如可通过色彩空间转换与直方图统计来量化颜色属性。通过计算各颜色通道的统计参数(如均值、标准差及主成分等),能够提取具有判别力的色彩特征,从而为不同病害类别的区分提供依据。 纹理特征则用于描述叶片表面的微观结构与形态变化,如病斑、皱缩或裂纹等。Matlab中的灰度共生矩阵计算函数可用于提取对比度、均匀性、相关性等纹理指标。此外,局部二值模式与Gabor滤波等方法也能从多尺度刻画纹理细节,进一步增强病害识别的鲁棒性。 系统的人机交互界面基于Matlab的图形用户界面开发环境实现。用户可通过该界面上传待检图像,系统将自动执行图像预处理、特征抽取与分类判断。采用的分类模型包括支持向量机、决策树等机器学习方法,通过对已标注样本的训练,模型能够依据新图像的特征向量预测其所属的病害类别。 此类课题设计有助于深化对Matlab编程、图像处理技术与模式识别原理的理解。通过完整实现从特征提取到分类决策的流程,学生能够将理论知识与实际应用相结合,提升解决复杂工程问题的能力。总体而言,该叶片病害检测系统涵盖了图像分析、特征融合、分类算法及界面开发等多个技术环节,为学习与掌握基于Matlab的智能检测技术提供了综合性实践案例。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值