qq_38334186的博客

windows网络socket模型 异步通信模型 select模型 异步选择 异步事件 重叠IO 完成端口 详细介绍了区别 用法与实例

文件结构、程序版式、命名规则、表达式基本语句、变量、函数设计、内存管理 C++高级特性 面向对象、编程经验、C++试题。 是企业代码规范的指标、是成为程序员大神的必备基础。

Opencv入门，下载，安装 opencv基础，图像视频 数据结构与数据操作 图像处理与模式识别 运动物体跟踪 详细讲解与实例

Windows完成端口介绍 Linux EPOLL介绍 同步I/O与异步I/O 说起完成端口，它的实现机制其实是重叠I/O实现异步I/O操作，下面就结合同步I/O来解释下什么是异步I/O

TCP/IP体系结构 　　TCP/IP协议实际上就是在物理网上的一组完整的网络协议。其中TCP是提供传输层服务，而IP则是提供网络层服务。 套接字 　　套接字是网络的基本构件。它是可以被命名和寻址的通信端点，使用中的每一个套接字都有其类型和一个与之相连听进程。套接字存在通信区域（通信区域又称地址簇）中。套接字只与同一区域中的套接字交换数据（跨区域时，需要执行某和转换进程才能实现）。WINDOWS 中的套接字只支持一个域——网际域。套接字具有类型。 基本套接字 　　为了更好说明套接字编程原理，给出几个基本的套接字，在以后的篇幅中会给出更详细的使用说明。 客户机/服务器模式 　　在TCP/IP网络中两个进程间的相互作用的主机模式是客户机/服务器模式(Client/Server model)

一、数据结构知识点总结整理 3 2．数据结构的定义： 4 3．数据结构的知识： 9 二、数据结构的实现 16 1、二叉树三种遍历的非递归算法 16 1.先序遍非递归算法 16 2.中序遍历非递归算法 17 3.后序遍历非递归算法 18 4.层次遍历算法 19 2、线性表 20 4、串 23 5、多维数组和广义表 24 6、树与二叉树 24 7、图 26 8、查找（search） 27 9、内部排序 28 2、排序算法的稳定性 29 3、C/C++实现 31 4、对排序算法的总结 41 11、数组和链表的优缺点 42 12、C++操作符优先级: 43 13、B树、B-树、B+树、B*树、红黑树和trie树 44 14、最小生成树算法之Prim算法(C++实现) 49 15、最小生成树之kruskal算法 58 16、单源最短路径 62 三、算法部分 65 1、算法简介 65 2、实际算法 67 3、常用算法 73 四、算法分析与设计 102 1．常用的算法设计方法： 102 1.1 迭代法： 102 1.2 穷举搜索法： 103 1.3 递推法： 104 1.4 递归法 106 1.5 贪婪法 111 1.6 分治法 113 1.7 动态规划法 115 1.8 回溯法 119 1.9 分支定界法： 120 2．几个重要的算法程序 121 2.1 堆排序 121 2.2 归并排序 122

我们在应用程序开发中，一般要求尽量两做到可维护性和可复用性。 应用程序的复用可以提高应用程序的开发效率和质量，节约开发成本，恰当的复用还可以改善系统的可维护性。而在面向对象的设计里面，可维护性复用都是以面向对象设计原则为基础的，这些设计原则首先都是复用的原则，遵循这些设计原则可以有效地提高系统的复用性，同时提高系统的可维护性。 面向对象设计原则和设计模式也是对系统进行合理重构的指导方针。 常用的面向对象设计原则包括7个，这些原则并不是孤立存在的，它们相互依赖，相互补充。

一、概述 二、背景 三、人脑视觉机理 四、关于特征 4.1、特征表示的粒度 4.2、初级（浅层）特征表示 4.3、结构性特征表示 4.4、需要有多少个特征 五、Deep Learning的基本思想 六、浅层学习（Shallow Learning）和深度学习（Deep Learning） 七、Deep learning与Neural Network 八、Deep learning训练过程 8.1、传统神经网络的训练方法 8.2、deep learning训练过程 九、Deep Learning的常用模型或者方法 9.1、AutoEncoder自动编码器 9.2、Sparse Coding稀疏编码 9.3、Restricted Boltzmann Machine(RBM)限制波尔兹曼机 9.4、Deep BeliefNetworks深信度网络 9.5、Convolutional Neural Networks卷积神经网络 十、总结与展望 十一、参考文献和Deep Learning学习资源

根据所分析的参数类型，语音信号分析可以分成时域分析和变换域（频域、倒谱域）分析。其中时域分析方法是最简单、最直观的方法，它直接对语音信号的时域波形进行分析，提取的特征参数主要有语音的短时能量和平均幅度、短时平均过零率、短时自相关函数和短时平均幅度差函数等。

根据所分析的参数类型，语音信号分析可以分成时域分析和变换域（频域、倒谱域）分析。其中时域分析方法是最简单、最直观的方法，它直接对语音信号的时域波形进行分析，提取的特征参数主要有语音的短时能量和平均幅度、短时平均过零率、短时自相关函数和短时平均幅度差函数等。

通过本课程的学习理解语音发声和听觉机理及其数字模型；掌握语音信号处理的基本概念、原理和方法，为以后的学习提供理论依据；掌握语音信号的短时时域分析和频域分析方法，并且能够用Matlab语言编程实现对实际语音信号进行的处理