在WinAVR下的ST7565圖形點陣的驅動程序，可以顯示5*7 & 8*16的ASCII和自定義的漢字，並且有3*4矩陣按鍵的掃描解碼程序。
上傳時間： 2013-12-26
上傳用戶：LIKE
MFC 視窗程式設計,視窗作業環境經多年試鍊，視窗應用程式於架構上已然出現了明顯的分類； 即便是架構不同，其間也存在著諸多共同點，例如：它們通常的都需要有功能表、 工具列等控制元件的設計，需要有用來動態管理資料的矩陣（arrays）、表列（lists） 等物件類別。
上傳時間： 2016-12-30
上傳用戶：lixinxiang
本文主要討論在MATLAB軟件中如何實現C程序源代碼的移植。結合"道路平整度指數(IRI)預測問題"的實例,將C語言編寫自仿射變換分形插值函數,移植(或改寫)到MATLAB中,繪制出寧波機場道路平整度的預測圖象,為解決預測問題可視化提供幫助。
上傳時間： 2014-01-10
上傳用戶：hoperingcong
本軟件是ARMSYS44B0-P開發板的自舉程序（BOIS），含有詳細使用說明。任何人可以修改使用。內容條目如下: ARMSYS44B0_BIOS是專門為S3C44B0X開發板量身定做的啟動程序，該程序具有以下功能特點： 1.啟動并初始化開發板 2.啟動uCLinux 3.啟動開發板測試程序 4.多種下載方式（串口Xmodem下載，串口com下載，網口TFTP下載） 5.系統參數的設置（系統時鐘，串口選擇，串口波特率設定，系統時間和日期，系統IP地址） 6.支持程序代碼的存儲 7.運行指定地址程序代碼
上傳時間： 2014-01-16
上傳用戶：mhp0114
TMS320F2812各種TI自帶函數，如初始化函數以及外設函數說明
上傳時間： 2014-12-06
上傳用戶：小眼睛LSL
本論文主要介紹圖像處理系統軟件的算法分析、代碼實現。以及實現軟件開發的程序開發工具Delphi的簡單介紹。軟件開發的目的是實現對圖像的銳化、扭曲、波浪平滑處理等效果。文章的主要內容為該軟件的算法分析過程、代碼編寫、界面設計和系統實現過程。本論文特別對圖象的銳化、圖象的扭曲和圖象的平滑處理算法進行了系統的分析和比較，如銳化功能的差分法與邊緣提取算法的分析、比較，平滑功能的平滑濾波法、中值濾波法、自適應濾波法等算法的分析、比較。然后對確定的這幾個功能算法的實現編寫了Delphi的算法代碼，其中心代碼在文中將詳細介紹。論文最后介紹了本軟件的界面設計過程和界面設計結果，并對其中幾個主要按鈕的代碼實現做了介紹。是介紹整個軟件開發過程的文章。
上傳時間： 2017-05-21
上傳用戶：qw12
VC的可視化編程環境為我們提供了方便的界面編程操作，然而對于不規則窗體的實現，還需要通過語言編程來實現。本文檔教你如何編寫自定制不規則窗體！
上傳時間： 2014-01-15
上傳用戶：lz4v4
Visual C++（簡稱VC）是Microsoft公司推出的目前使用極為廣泛的基于Windows平臺的C++可視化開發環境。Visual C++6.0提供的控制臺應用程序對學習和掌握標準C++內容非常有利。“可視”的資源編輯器與MFC類以及應用程序向導，為快速高效地開發出功能強大的Windows應用程序提供了極大的方便。利用Visual C++6.0進行Internet、數據庫及多媒體等多方面的程序開發也很容易。在我國，Visual C++6.0已相當流行，為了適應形式發展的需要和廣泛的社會需求，我信息工程學院各專業自2003年開始，都陸續開設了C++和Visual C++應用程序設計課程。為了方便教學和學生們的學習，我們開設了網上教學一欄，將教師教案供學生網上閱讀，并在其中設立學生提問，教師答疑等。希望同學們能真正學好這門課程。
標簽： Visual Microsoft Windows 6.0
上傳時間： 2014-12-21
上傳用戶：sdq_123
P0301：數字圖像矩陣數據的顯示及其傅立葉變換 P0302：二維離散余弦變換的圖像壓縮 P0303：采用灰度變換的方法增強圖像的對比度 P0304：直方圖均勻化 P0305：模擬圖像受高斯白噪聲和椒鹽噪聲的影響 P0306：采用二維中值濾波函數medfilt2對受椒鹽噪聲干擾的圖像濾波 P0307：采用MATLAB中的函數filter2對受噪聲干擾的圖像進行均值濾波 P0308：圖像的自適應魏納濾波 P0309：運用5種不同的梯度增強法進行圖像銳化 P0310：圖像的高通濾波和掩模處理 P0311：利用巴特沃斯（Butterworth）低通濾波器對受噪聲干擾的圖像進行平滑處理 P0312：利用巴特沃斯（Butterworth）高通濾波器對圖像進行銳化處理
上傳時間： 2017-07-12
上傳用戶：ikemada
語音識別中的說話人自適應研究.nh 1.MAP和MLLR算法比較 文章在討論由說話人引起的聲學差異基礎上，研究兩種基于模型 的自適應算法:最大似然線性回歸(州壓LR)和最大后驗概率(MAp)。 實驗結果表明，不論采用哪種自適應都能使識別率有一定的提升。兩 種算法之間的差異性在于MAP具有良好的漸進性，但收斂性較差， 而MLLR在很大程度上改善了收斂特性，但其漸進特性卻不如MAP。 文章討論了在側汰P自適應中，初始模型參數的先驗知識對自適 應效果的影響，以及在MLLR中，回歸類對自適應效果的影響。文 章還進一步研究了采用兩種算法的累加自適應效果，從結果看MAP 和MLLR結合的方法比單獨使用M[AP和MLLR的效果要好。文章 還對包括基于特征層的歸一化算法和用于基于聲學模型的MLLR算 法等效性進行討論，并給出了統一的算法框架。
上傳時間： 2014-01-09
上傳用戶：bakdesec
