PaiAdmin派遣后台管理系统 运行环境要求PHP7.1 +。开启Redis扩展 主要特性 开源无加密 源码开源无加密 TP6框架 使用最新的ThinkPHP 6.0框架开发 标准接口 标准接口，前初步分离，二次开发更方便 长连接 减少CPU和内存使用及网络插入，减少请求响应时长 无缝事件机制 行为扩展更方便，方便二次开发 后台快速生成表单 后台应用form-b​​uilder无需写页面快速增删改查 强大的后台权限管理 后台多种角色，多重身份权限管理，权限可以控制到每一步操作 微信开发 后台已嵌入微信开发插件 特别感谢 自动安装 发布文件到网站根目录 运行composer install安装依赖 修改目录权限（linux系统）777 /公共/运行时 配置好域名，在浏览器里打开域名，根据安装向导进行安装 后台登录 手动安装 1.创建数据库，倒入数据库文件 数据库文件目录/public/

机器人抢点PointCloud 主要使用open3d，修改了registration的ransac部分源码 本人毕设使用RGBD相机的机器抓取，陆续更新 漏洞 可视化时遇到RunTimeError：GLFW错误，open3d github问题里有人试了设置python使用n卡，可解决报错卡退问题。 编译open3d二进制时cmake错误：缺少pybind11Target.cmake，手动编译pybind11源码，将编译得到的此文件复制到对应位置即可暂时解决问题，根治问题应该需要修改cmake生成文件相关代码。 open3d源码修改： ransac跳出条件，当达到一定fitness和rmse时跳出 class RegistrationResult（）默认构造函数中修改fitness和rmse重新设置值

matlab代码影响Functional-Multiplex-PageRank ％++++++++功能复用页面等级++++++++++++++++++++++++++++ 此文件夹包含4个MATLAB代码，用于计算双工网络和任意层数的网络的功能多路复用PageRank： functionalPageRank_duplex.m 给定影响向量z = [z ^（1,0），z ^（0,1），z ^（1,1）]，计算双工网络的功能多路复用PageRank。 fPR.m 计算影响向量的所有值的双工网络的功能复用PageRank。 该代码使用了functionalPageRank_duplex.m代码 functionalPageRank_multiplicity.m 计算具有任意数量的层并具有特定影响向量的多路复用网络的功能多路复用PageRank，而这些影响向量仅取决于链路重叠的多重性。 fPRm.m 计算具有任意数量的层且影响参数不同的多路复用网络的功能多路复用PageRank。 该代码使用了functionalPageRank_multiplicity.m代码 这些程序是在作者中分发的，希望

pagerank matlab代码多路PageRank 此存储库包含： 'multiplexPageRank.m' 一个用于计算 Multiplex PageRank 的 matlab 函数，可以根据自由软件基金会发布的 GNU 通用公共许可证的条款重新分发和/或修改代码，该许可证的第 3 版，或（在您的选项）任何更高版本。 该程序分发给作者，希望它有用，但没有任何保证； 甚至没有对适销性或针对特定目的的适用性的暗示保证。 如果您使用此代码，您应该引用： [1] A. Halu、RJ Mondragón、P. Panzarasa 和 G. Bianconi，“Multiplex pagerank”。 PloS 一 8，没有。 10 (2013)：e78293。 [2] J. Iacovacci 和 G. Bianconi，“从多路复用网络中提取信息”。 混沌：非线性科学跨学科期刊 26 (6) (2013)：e78293。 'dataNoordinTerroristNetwork.mat' 一个多重数据集，在信任关系 (T)、通信 (C)、操作 (O) 级别描述了诺丁恐怖分子网络（详见

pagerank matlab代码多路PageRank 此存储库包含： 'multiplexPageRank.m' 一个用于计算 Multiplex PageRank 的 matlab 函数，可以根据自由软件基金会发布的 GNU 通用公共许可证的条款重新分发和/或修改代码，该许可证的第 3 版，或（在您的选项）任何更高版本。 该程序分发给作者，希望它有用，但没有任何保证； 甚至没有对适销性或针对特定目的的适用性的暗示保证。 如果您使用此代码，您应该引用： [1] A. Halu、RJ Mondragón、P. Panzarasa 和 G. Bianconi，“Multiplex pagerank”。 PloS 一 8，没有。 10 (2013)：e78293。 [2] J. Iacovacci 和 G. Bianconi，“从多路复用网络中提取信息”。 混沌：非线性科学跨学科期刊 26 (6) (2013)：e78293。 (c) Jacopo Iacovacci 和 Ginestra Bianconi

禅道是第一款国产的开源项目管理软件。它集产品管理、项目管理、质量管理、文档管理、组织管理和事务管理于一体，是一款专业的研发项目管理软件，完整地覆盖了项目管理的核心

hog特征提取matlab代码BacteriaImageProcess 这是为了我们的项目：分割细菌图像并识别该图像中的细菌种类。 从本质上讲，这是对细菌数据的深度学习应用程序。 我们在matlab中实现了卷积RBM，以完成我们的任务。 cdbn-github是使用卷积RBM进行无监督特征学习的代码，我们使用GMM / BMM进行初始化，这可以缩短训练过程。 在特征提取之后，我们利用liblinear工具箱进行监督分类。 我们项目的第一部分在cdbn文件夹中，在其中展开了所有代码，包括我编写的CRBM代码。 编写GMM来初始化第一层，使用BMM来进行第二层的初始化。 （请注意，初始化非常重要，有关更多详细信息，请参阅Sohn等人的论文：“有效学习稀疏，分布式，卷积特征表示以进行对象识别。” Aslo，要训练卷积深度信念网络，您可以进行分层预训练，这意味着首先训练第一层，训练后冻结第一层的参数，然后训练第二层....） 在第二部分中，我们尝试识别此图像中的细菌种类，因此我们手动标记前景斑块，并将其标记为17类，因为一些毗邻的斑块涉及物种和背景，因此我们也将它们考虑在内，因此，共有18个课

MATLAB.jl, 在Julia中通过MATLAB引擎调用 MATLAB MATLAB换句话说，这个软件包允许用户在Julia中调用MATLAB函数，从而便于与MATLAB语言互操作。这里软件包免费提供，并且不会取代或者改变mathworks产品的任何功能。概述通常，这里软件包由两个方面组成：创

超分辨率matlab代码韩 我们的ECCV 2020论文“通过整体注意力网络实现单图像超分辨率”的PyTorch代码 该存储库适用于以下论文中介绍的HAN 张玉伦，李坤鹏，李凯，王丽晨，钟斌能和付云，“通过整体注意力网络实现单图像超分辨率”，ECCV 2020， 该代码基于RCAN（PyTorch）构建并在具有Titan X / 1080Ti / Xp GPU的Ubuntu 16.04 / 18.04环境（Python3.6，PyTorch_0.4.0，CUDA8.0，cuDNN5.1）上进行了测试。 内容 介绍 信息功能在单图像超分辨率任务中起着至关重要的作用。 事实证明，渠道关注对于保留每一层中信息量丰富的功能是有效的。 但是，频道注意力将每个卷积层视为一个单独的过程，从而错过了不同层之间的相关性。 为了解决这个问题，我们提出了一个新的整体注意网络（HAN），该网络由一个图层注意模块（LAM）和一个通道空间注意模块（CSAM）组成，以对图层，通道和位置之间的整体相互依赖性进行建模。 具体地，提出的LAM通过考虑各层之间的相关性来自适应地强调分层特征。 同时，CSAM学习每个通道所有

SNMP陷阱转换器用于将从NET-SNMP / UCD-SNMP snmptrapd陷阱守护程序收到的陷阱“转换”为易于理解的消息。