2011年-CUshell编程大赛

转载 于 2014-01-14 22:03:00 发布 · 65 阅读 · 0 ·
CC 4.0 BY-SA版权
原文链接：http://www.cnblogs.com/msccreater/p/3519854.html

本文记录了在使用$0中OFS分隔符时遇到的问题，并提供了问题探讨的链接，帮助理解OFS在特定场景下的表现。

今天群里有人在做练习时遇到一个问题，$0中的分隔符使用OFS没有成功作用，遂查到这个问题，留作备忘查看 http://bbs.chinaunix.net/thread-2319120-1-1.html

转载于:https://www.cnblogs.com/msccreater/p/3519854.html

linux shell之十三问 经典文档--转
zo2k123的博客
10-21 952
Shell十三问——ChinaUnix论坛精华整理                                                   原创 ChinaUnix 网中人 整理 Lkydeer 整理时间 2007-7-19 联系方式
shell实现线上字典以及ip归属地 z
11-18 404
大家知道google字典是http://www.google.com.tw/dictionary?hl=en,英语的,语言你可以自己定义.难得打官腔了,直接上正文了zj@zj:~/Script/cushell$ cat dict.sh#!/bin/shcurl -s "http://www.google.com.tw/dictionary?aq=f&langpair=en|en&
shell记录时间
王以山的专栏
08-09 1741
shell有两个关于时间的内置变量,你没用过,我也没用过,今天也是第一次见识,所以加了个笔记,方便以后查阅.  $SECONDS这个脚本已经运行的时间(单位为秒).  $TMOUT 如果$TMOUT 环境变量被设置为一个非零的时间值,那么在过了这个指定的时间之后,shell 提示符将会超时,这会引起一个 logout.
基于stm32的万年历.zip
01-09
基于stm32的万年历.zip
基于STM32的全自动节水灌溉系统.zip
01-09
基于STM32的全自动节水灌溉系统.zip
13.000.001.0503.zip
01-09
13.000.001.0503.zip
基于JavaWeb的线上数码个性化购物平台的设计与实现源码.zip
01-09
基于JavaWeb的线上数码个性化购物平台的设计与实现源码.zip
SCI复现基于纳什博弈的多微网主体电热双层共享策略研究（Matlab代码实现）
01-09
【SCI复现】基于纳什博弈的多微网主体电热双层共享策略研究（Matlab代码实现）内容概要：本文围绕“基于纳什博弈的多微网主体电热双层共享策略研究”展开，结合Matlab代码实现，复现了SCI级别的科研成果。研究聚焦于多个微网主体之间的能源共享问题，引入纳什博弈理论构建双层优化模型，上层为各微网间的非合作博弈策略，下层为各微网内部电热联合优化调度，实现能源高效利用与经济性目标的平衡。文中详细阐述了模型构建、博弈均衡求解、约束处理及算法实现过程，并通过Matlab编程进行仿真验证，展示了多微网在电热耦合条件下的运行特性和共享效益。; 适合人群：具备一定电力系统、优化理论和博弈论基础知识的研究生、科研人员及从事能源互联网、微电网优化等相关领域的工程师。; 使用场景及目标：① 学习如何将纳什博弈应用于多主体能源系统优化；② 掌握双层优化模型的建模与求解方法；③ 复现SCI论文中的仿真案例，提升科研实践能力；④ 为微电网集群协同调度、能源共享机制设计提供技术参考。; 阅读建议：建议读者结合Matlab代码逐行理解模型实现细节，重点关注博弈均衡的求解过程与双层结构的迭代逻辑，同时可尝试修改参数或扩展模型以适应不同应用场景，深化对多主体协同优化机制的理解。
【​ 物体识别 尺度不变性 图像匹配​】尺度不变关键点的独特图像特征（Matlab代码实现）
01-09
【​ 物体识别 尺度不变性 图像匹配​】尺度不变关键点的独特图像特征（Matlab代码实现）内容概要：本文档围绕“物体识别、尺度不变性、图像匹配”主题，重点介绍了利用尺度不变特征变换（SIFT）算法提取图像中具有尺度不变性的关键点，并结合RANSAC算法实现高分辨率图像的精确匹配与伪造检测。文档提供了完整的Matlab代码实现，详细展示了如何构建独特图像特征以应对旋转、缩放和平移变化，确保在不同条件下仍能稳定识别和匹配图像内容。此外，文档还提到了图像处理技术在科研中的广泛应用，包括图像识别、分割、配准、融合等，突出其在实际项目中的技术价值。; 适合人群：具备一定图像处理基础和Matlab编程经验的科研人员、研究生及从事计算机视觉相关工作的技术人员。; 使用场景及目标：①用于高分辨率图像的匹配与拼接任务；②应用于图像伪造检测与版权保护；③支持物体识别系统中对尺度、角度变化的鲁棒性需求；④为学术研究和工程实践提供可复现的技术方案与代码参考。; 阅读建议：建议读者结合文档提供的Matlab代码进行实践操作，重点关注SIFT特征提取与RANSAC匹配优化的实现细节，同时可拓展学习其他图像处理技术模块以增强综合应用能力。
【毕业设计】STM32智能小区充电桩系统MF-毕业源码案例设计.zip
01-09
【毕业设计】STM32智能小区充电桩系统MF-毕业源码案例设计.zip
轻量级模块化C ++ 11图形中间件用于游戏和数据可视化
01-09
先看效果： https://pan.quark.cn/s/f766d9b4fe56 big_screen 数据大屏可视化 功能 便利性工具, 结构简单, 直接传数据就可以实现数据大屏 安装 运行 大数据可视化展板通用模板 http://127.0.0.1:5000/ 4600 万企业数据大屏可视化 http://127.0.0.1:5000/corp (2020-09) 厦门 10 万招聘数据大屏可视化 http://127.0.0.1:5000/job 示例 image 使用 1、编辑 data.py 中的 SourceData 类（或者新增类，新增的话需要编辑 app.py 增加路由，请参考 CorpData/JobData） 2、从任何地方读取你的数据，按照 SourceDataDemo 的数据格式，填充到 SourceData 类 3、运行 python app.py 查看数据变更后的效果 参考 https://gitee.com/lvyeyou/DaShuJuZhiDaPingZhanShi
多层住宅结构CAD图纸(钢结构设计)-全套.zip
01-09
根据原作 https://pan.quark.cn/s/9318c6164bd5 的源码改编 CAD与GIS集成说明 mapbox地图与cad图纸的集成示例代码说明 点击演示示例查看效果 点击下载示例源码 mapbox-gl.js是通过webgl渲染交互式地图的js库 利用mapbox提供的自定义图层实现渲染mxdraw中的CAD图纸(three.js 场景)。 如果不了解mapbox-gl.js可以参考中文官方文档 / 国际站 什么是mxdraw? 下面代码是mapbox和mxdraw结合使用的示例代码。 先安装对应的依赖包: mapbox集成更多其他GIS库的能力 mapbox 与 L7框架 我们可以在mapbox基础上扩展L7框架的能力 使mapbox的功能更加强大 L7 是由蚂蚁金服 AntV 数据可视化团队推出的基于 WebGL 的开源大规模地理空间数据可视分析开发框架 点击 AntV L7 官方文档 查看使用L7提供的功能 以下是简单的L7结合mapbox的集成代码： 按照上述代码，在mapbox地图上就可以使用L7提供的能力了。 更加详细的代码请参考源码示例中L7文件夹的代码 点击查看： / gitee
Arduino绘画教学机器人
01-09
绘画教学机器人是一种借助现代科技辅助人们进行绘画活动的教学工具。 在当前这份资料中，我们重点阐述了基于Arduino开发板构建的绘画教学机器人，该设备运用图像识别和电机控制技术来完成自动绘画工作。 代码转载自：https://pan.quark.cn/s/128130bd7814 以下是本资料中的核心内容：1. Arduino及其在机器人中的应用：Arduino是一个开放源代码的电子原型平台，它包含一块能够执行输入/输出操作的电路板以及配套的编程系统，通常用于迅速构建交互式电子装置。 在本次项目中，Arduino充当机器人的核心部件，负责接收图像分析后的数据，并将这些数据转化为调控步进电机旋转的指令，进而引导笔架在白板上进行作画。 2. 图像识别技术：图像识别技术是指赋予计算机识别和处理图像中物体能力的技术手段。 本项目的图像识别功能由摄像头承担，它能够获取图像，并将彩色图像转化为灰度图像，再采用自适应阈值算法处理为二值图像。 随后，通过图像细化方法提取出二值图像的骨架信息，用以确定绘画的目标和路径。 3. 电机控制机制：电机控制是指借助电子技术对电机运行状态进行管理。 在本项目中，两个步进电机由Arduino进行控制，实现精准的位置控制，从而达到绘画的目的。 步进电机的正转与反转动作能够驱动笔架部件，沿着预设的轨迹进行绘画。 4. 机器人设计要素：机器人的设计涵盖了图像处理单元、机械控制单元和图像处理算法。 机械单元的设计需要兼顾画笔的支撑构造，确保画笔的稳定性，并且能够适应不同的绘画速度和方向。 在硬件设计层面，选用了ULN2003驱动器来增强Arduino输出的信号，以驱动步进电机运转。 5. 所采用的技术工具与材料：项目中的主要硬件设备包括Arduino控制板、步进电机、ULN...
Three.js点线几何特效
01-09
先展示下效果 https://pan.quark.cn/s/d8b64f900c05 在本文中，我们将详细研究Three.js库如何应用于构建点线几何空间图形特效，以及与HTML5 Canvas和几何空间相关的技术。 Three.js是一个基于WebGL的JavaScript库，它为开发者提供了一个便捷易用的接口来构建3D内容，可以在现代浏览器中运行，无需安装插件支持。 我们需要掌握Three.js中的基本概念。 Three.js的核心构成元素包括场景(Scene)、相机(Camera)和渲染器(Renderer)。 场景是3D世界的容纳单元，相机决定了观察3D世界的角度，而渲染器则负责将场景和相机整合成可视化的图像。 1. **Three.js的几何体**：在Three.js中，可以构建多种几何体，如BoxGeometry（立方体）、SphereGeometry（球体）和LineGeometry（线条）。 对于"点线几何空间图形特效"，LineGeometry扮演着核心角色。 这种几何体允许开发者构建由一系列点构成的线段。 点可以被串联起来形成复杂的线性构造，这些构造可以进一步进行动画处理，以产生动态的视觉表现。 2. **材质(Material)**：赋予几何体色彩和质感的是材质。 在Three.js中，有多种材质类型，如MeshBasicMaterial、MeshLambertMaterial和LineBasicMaterial等。 对于点线效果，LineBasicMaterial通常会被选用，它能够设定线条的颜色、宽度和透明度等特征。 3. **着色器(Shader)**：为了实现更高级的效果，如光照、纹理和粒子系统，Three.js支持自定义着色器。 尽管"点线几何空间图形特效...
基于雷达的车辆导航.zip
01-09
1.版本：matlab2014a/2019b/2024b 2.附赠案例数据可直接运行。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。
通过机器学习进行盲声纳图像质量评估：利用小波域中的微观和宏观纹理及轮廓特征.zip
01-09
1.版本：matlab2014a/2019b/2024b 2.附赠案例数据可直接运行。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。
Automated_2D_navigation-master.zip
01-09
1.版本：matlab2014a/2019b/2024b 2.附赠案例数据可直接运行。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。
路径规划导航 多移动移动.zip
01-09
1.版本：matlab2014a/2019b/2024b 2.附赠案例数据可直接运行。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。
基于 SIFT 和 RANSAC 算法对高分辨率图像进行图像伪造检测（Matlab代码实现）
最新发布
01-09
基于 SIFT 和 RANSAC 算法对高分辨率图像进行图像伪造检测（Matlab代码实现）内容概要：本文介绍了基于SIFT（尺度不变特征变换）和RANSAC（随机抽样一致性）算法的高分辨率图像伪造检测方法，并提供了Matlab代码实现。SIFT算法用于提取图像中的关键点特征，具有尺度、旋转不变性，能够有效识别图像中的重复区域或复制粘贴篡改；RANSAC算法则用于剔除误匹配点，提高匹配精度，增强检测鲁棒性。该方法适用于高分辨率图像的复制-移动、拼接等篡改行为检测，通过特征点匹配与几何验证相结合的方式实现高效的图像真实性鉴别。; 适合人群：具备一定图像处理基础，熟悉Matlab编程，从事数字图像取证、计算机视觉或信息安全相关研究的科研人员及研究生。; 使用场景及目标：①用于学术研究中图像篡改检测技术的对比与验证；②应用于实际场景如司法鉴定、新闻媒体、社交平台等对图像真实性的审核与分析；③帮助理解SIFT与RANSAC在图像配准与伪造检测中的协同工作机制。; 阅读建议：建议读者结合Matlab代码实践操作，深入理解SIFT特征提取与RANSAC模型拟合的关键步骤，可尝试在不同篡改类型和噪声条件下测试算法性能，进一步优化参数以提升检测准确率。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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