s实验常用评估指标 背景静息态脑电一般在频域进行分析，以刻画信号的周期性特征 需要使用频谱分析来描述脑电信号功率沿频率的分布特征。 任务态脑电 通常采用时频分析——时间-频率域中分析 事件相关的频谱变化被称为事件相关同步化/去同步化(ERS/ERD)，通常在时间-频率域中随时间变化的频谱功率可以通过时频分析方法进行估计 频谱估计基本概念时间序列信号在某通道连续记录的脑电信号，在时间域表征为信号幅度相对于时间的变化；也可以在频率域表征为信号功率沿评论变化的分布 频率描述振荡波形在单位时间内周期获得的基本参数，单位为赫兹(Hz),即每秒一个周期 频谱时序信号的功率、幅度或相位等在频率域沿频率的分布曲线 频谱分析将时域信号变换到频域频谱的估计方法，目的是观察对应周期的频率峰值以检测信号周期性 频域和时域频域和时域是信号处理中两个重要的概念。 时域是指信号在时间轴上的变化，即信号在时间上的波形表现。时域分析可以用来研究信号的幅度、频率、相位等特征，例如我们可以通过时域分析来计算信号的均值、方差、峰值、波形形状等。 频域是指信号在频率轴上的变化，即信号在频率上的分量组成。频域 ...

在基于单目的摄像头的AR技术中，特征点（Feature）是最通用的一项技术手段，通过匹配不同帧图像之间特征点的对应关系，我们才能够准确计算相机的运动，从而恢复环境三维结构。特征点相关算法很多，在移动端，为了提高计算效率，倾向使用ORB和Freak，比如SLAM中我们就使用了ORB特征，Marker Tracking中我们使用了Freak特征；而类似SIFT这种，匹配精度高，但是运算效率低，一般用于SFM这类技术中。使用特征点的好处在于，特征具有良好的尺度不变形、方向不变形和光照不变形等特性，匹配结果较为鲁棒。光流法（Optical Flow）是相对于特征点的另一类跟踪相机运动的方法，它的基本原理是不去计算特征点以及特征描述子，而是直接使用像素块进行匹配，提高了运算效率，而其缺点是光流法只适合匹配相邻的两帧图像来计算运动变化，它要求光强度守恒（Brightness Consistency），所以无法用于重定位等技术实现。 空间定位点空间定位点表示系统随时间跟踪的世界上的重要点。 每个定位点都有可调整的坐标系统（基于其他定位点或参照系），以确保锚定的全息影像保持位置精确。 在定位点的坐标系 ...

matplotlib numpy pandas1.Series 一维，带标签数组 2.DataFrame 二维，Series容器 loc函数：通过行索引 “Index” 中的具体值来取行数据（如取”Index”为”A”的行） iloc函数：通过行号来取行数据（如取第二行的数据）

第一课什么是LInux? Linux是一种操作系统 1991年10月，Linux Torvalds发布第一个公开版内核 Linux目录结构 / linux 文件系统的起点，linux 所有的文件都放在其中。 /bin 存放二进制可执行文件，常用命令一般都在这里 /etc 存放系统管理和配置文件 /home 存放所有普通用户的家目录 /usr 存放系统应用程序 /opt 额外安装的可选应用程序包所放置的位置。比如，我们可以把 tomcat 等都 安装到这里 /proc 虚拟文件系统目录，是系统内存的映射，相当于是存储内存中的信息 /root 管理员的家目录 /sbin 存放二进制可执行文件，只有 root 才能访问。这里存放的是系统管理员使用 的系统级别的管理命令和程序。如 ifconfig 等 /dev 用于存放硬盘、键盘、鼠标、光驱等各种设备文件 /mnt 系统管理员安装临时文件系统的安装点，系统提供这个目录是让用户临时挂 载其他的文件系统 / ...

作业题能力成熟度模型 软件能力成熟度模型（CMM)将软件能力成熟度自低到高依次划分为 5 级。目前， 达到 CMM 第 3 级（已定义级）是许多组织努力的目标，该级的核心是 A.建立基本的项目管理和实践来跟踪项目费用、进度和功能特性 B.使用标准开发过程（或方法论）构建（或集成）系统 C.管理层寻求更主动地应对系统的开发问题 D.连续地监督和改进标准化的系统开发过程 解析：A基本管理属于2可重复级；C属于已管理级；D改进属于5优化级；B标准属于3已定义级 软件能力成熟度模型（CMM)的第 4 级（已管理级）的核心是 。 A.建立基本的项目管理和实践来跟踪项目费用、进度和功能特性 B.组织具有标准软件过程 C.对软件过程和产品都有定量的理解和控制 D.先进的新思想和新技术促进过程不断改进 解析：4已管理级关键词：定量，预测 软件过程模型 为了有效地捕获系统需求，应采用 . A.瀑布模型 B.V 模型 C.原型模型 D.螺旋模型 解析： 瀑布模型从一种非常高层的角度描述了软件开发过程中进行的活动，并且提出了要求开发人员经过的事件序列。该模型适用于项目开始时需求已 ...

起因昨天下午准备复习毛概，但是想到期末考试都是选择题，我就在想能不能做一个刷题脚本。简单考虑了一下，打算做一个网页，如果自己写需要一些时间。emmm，我可以让ChatGPT帮我做一个！ 我在聊天框里大致输入是这样的：“用javascript，写一个做题软件，题库以JSON格式存储，题与题空行间隔，每一题有四个答案，每个答案独立一行，正确答案在题目的最后一行，用户点击选项后有答对或答错的反馈并显示正确答案，还可以点击按钮进入下一题，点击按钮退出程序‘’ 结果就有了这个刷题软件，我将它放到了博客上：接受洗礼吧！ (jjuprising.github.io) 主要功能实现脚本充分利用了dom。 1.程序逻辑大致是首先准备一个题库数组，每个题目是对象的形式，包括题目、选项数组、正确答案，都是字符串的形式。 2.打开页面后会通过伪随机数随机在题库数组中抽取一个元素，通过dom渲染到页面上。每一个选项是一个<li>，监听选项点击事件，通过比对点击的<li>和正确答案(字符串)判断正误。 3.监听”下一题“点击事件，重复抽取题目和监听选项点击的操作 我在原代码上添加了样式调整 ...

错题 【栈和队列】栈和队列的共同特点是只允许在端点插入和删除元素。 【循环队列】数组Q[n]用来表示一个循环队列，front为队头元素的前一个位置，rear为队尾元素的位置，计算队列中元素个数的公式为:（rear-front)%n （rear-front+n）%n 。 虽然数学上没错，但负整数求模结果可能因为编译器环境不同而不同。 【KMP】设目标串为s=“abcabababaab”，模式串为p=“babab”，则KMP模式匹配算法的next数组为[-1,0,1,2] [-1,0,0,1,2] 。 next数组是看当前元素的前面的子串，如p[0]是b，记-1；p[1]为a，前面是b，无相同前后缀，记0；p[2]是b，前面是ba也记0，以此类推。 算法分析的目的是分析算法的效率以求改进 1.请写出单链表的插入和删除算法。 1234567891011121314151617181920212223242526272829303132333435363738394041//插入算法 template <typename DataType>void ...

01点17分，又是一个与奇怪问题较量的夜晚，这一次，我又成功解决了。 起因是发现数据结构书上关于Dijkstra算法的实现有点错误，想要自己更正一下，通过在不同位置插入输出字符来调试代码，找到了几处错漏。 96行的char直接赋值给string出现乱码，两种办法，一是string+=char，另一种是string.puch_back(char) 107行，由于是无向图，有可能路径会重复连上两次，我们要让路径不再逆向连接，例如A起始，默认第一轮是已知AB最短为10，在判断最短路径时，没有排除A，到时AB又连上A，变成ABA，而这个ABA是在path[0]上的，虽然每轮输出最短路径时就不需要输出path[起始点]，这样子的错误也是无妨，只需要跳过path[起始点]即可，但是在调试过程中发现这个错漏，还是从根本上修正，可以把它改成有向图，把初始化的arc[j][i]=w去掉。 (自己的问题)输出结果为?，发现原来是经典for循环是其他变量在递增时还是写了i++…导致循环出不来 还有一个注意点需要补充，就是可变参数友元函数的声明: 12345678910111213 ...

原网站是：https://www.manyuan.ltd 在原网站的基础上作了修改，可以添加自定义文字，关键在于和爱心中心的相对位置需要随着界面的大小改变而改变，另外我将它部署到了我的博客上作为展示(github-hexo 如何添加自定义网页 - 简书 (jianshu.com)）。 自定义的爱心效果：就这个爱心嘛 (jjuprising.github.io) 由于原本的画布是有做根据页面动态更新大小的，使得爱心总是位于界面的中央，这个功能非常好，因此我的想法在这个基础上获取画布的长宽，再加入微调值使得文字可以位于爱心的中央，同时能够保持和爱心的相对位置不变。此外，为了解决手机端适配的问题，在head中加上了最后一行META(令人惊讶的是，原网站没有这一句，但是依然可以适配手机页面，值得我去研究研究)。再者，我在尝试自己插入bgm时发现了audio设置auto还是无法自动播放的问题，最终参考原网站代码添加了播放检测的脚本解决了问题。 当然，这种方法是比较笨的，需要根据效果手动微整，也是目前我能想到的解决办法。而且，手机适配也做得一般，爱心会显示不全，且设置的字体加载不出来，效果差强人 ...