由于激光点云数据的无序性、离散性、稀疏性，基于深度学习的三维点云数据的特征提取具有一定难度。针对目前局部信息提取不充分，区域信息的合并有限的问题，提出了一种基于层级边缘卷积的点云分类网络，用于三维视觉中点云模型识别任务。本文采用层级结构的思想，通过层级几何信息模块对特征进行有效提取和归纳。对于每个层级几何信息提取模块，首先对点云模型进行下采样并构建局部区域，对每个局部区域中点与点之间的距离和特征进行建模，获得局部区域的几何信息，最后聚合多个采样点的局部结构特征。实验结果表明，本算法在ModelNet40数据集上的识别准确率为91.5%。与已有的三维点云模型识别分类算法相比，本文算法能够更充分地提取局部信息，进一步提高三维点云模型分类的准确率

IOS应用源码之适用于iPad的多层级的侧边栏菜单 .rar

任务一城市轨道交通自动售检票系统层级架构.pdf，这是一份不错的文件

NULL 博文链接：https://aheadjava.iteye.com/blog/305758

问题 开发过程中有很多用到粒子特效的时候出现和UI层级冲突，比如粒子需要再同一个界面两个Image中间 解决 一般有三种方案 1.通过rendertexture渲染，可以完美处理层级问题，不过性能不好，多个摄像机 2.直接放到ui界面增加canvas，调整特效sort in layer，不过如果ui特效穿插多，层级不好管理，且多canvas造成合批问题 3.就是这篇文章主要讲的 粒子BakeMesh 优点：可像UGUI一样通过上下调整层级排序，接受Mask处理 用法： 文件里面有demo，简单来说就是在特效的父物体上加UIParticle脚本就行

1.ztree.js 的实用案例 2.解决了 下拉框下多层级选择的问题 3.jquery + bootstrap+ztree.js

传统智能故障诊断算法需要依赖人工特征提取和专家知识,而旋转机械设备复杂的工作环境和工况使得传统算法在实际应用中缺乏良好的自适应性和泛化性.针对以上问题,提出基于卷积神经网络(Convolutional neural network,CNN)的层级化故障诊断算法(CNN based hierarchical fault diagnosis,CNN-HFD).首先,将原始振动信号进行分段预处理,以实现数据扩容;然后,分别根据故障类型和故障程度设计多个卷积神经网络,并将原始振动数据以某一时间步进行分割,作为卷积神经网络的输入进行训练;最后,将待识别信号送入CNN-HFD模型,经过分层故障诊断,在末端卷积神经网络输出相应故障类别和程度.通过滚动轴承振动数据库的实验表明,所提出的算法不仅具有高达99.5%以上的故障识别率,而且在负载发生变化时依然可以保持高达97%以上的故障识别率,具有较好的鲁棒性和泛化性能.

qt按照层级结构压缩目录。

Android 自己写的一个筛选控件，有点类似于大众点评的筛选效果

四级城市地区表 xlsx, sql文件,国内,中国省市县街道乡镇四级地址 ID 父ID 名称 联动ID 层级 是否末级(1-是) 11 0 北京市 11 1 0 110107 1101 石景山区 11-1101-110107 3 0 110107001 110107 八宝山街道 11-1101-110107-110107001 4 1 110107002 110107 老山街道 11-1101-110107-110107002 4 1