Spring Boot 实战，中文版+英文版+源码+官方手册 Spring Boot 实战，中文版+英文版+源码+官方手册

第一章 电筒密谈 第二章 编码与组合 第三章 布莱叶盲文与二元编码 第四章 手电筒剖析 第五章 绕过拐弯的通信 第六章 电报机与继电器 第七章 十进制记数法 第八章 其他进位制记数法 第九章 二进制数 第十章 逻辑与开关 第十一章 逻辑门与电路 第十二章 二进制加法机 第十三章 如何实现减法 第十四章 反馈与触发器 第十五章 字节与十六进制 第十六章 存储器组织 第十七章 自动操作 第十八章 从算盘到芯片 第十九章 两种典型的微处理器 第二十章 ASCII码和字符映射 第二十一章 总线连接 第二十二章 操作系统 第二十三章 定点数和浮点数 第二十四章 高级语言和低级语言 第二十五章 图形化革命

《编译原理》全面、深入地探讨了编译器设计方面的重要主题，包括词法分析、语法分析、语法制导定义和语法制导翻译、运行时刻环境、目标代码生成、代码优化技术、并行性检测以及过程间分析技术，并在相关章节中给出大量的实例。与上一版相比，《编译原理》进行了全面修订，涵盖了编译器开发方面最新进展。每章中都提供了大量的实例及参考文献。 龙书 第二版 中文版 + 英文版 打包下载！！！

cobit5中文以及英文版框架、指南等

其中包含了最为经典的文章，在会议论文集中的文章，和中文的相关文章，还有对SIFT特征的总结和概括，对于初步了解的人是最首要的选择，包括一些PCA-SIFT的文章，matlab代码

文档包含LabVIEW2009至LabVIEW2013中文版与英文版、32位与64位、及所有工具包的下载地址。 对于每个文件到底代表哪个版本及工具包，请参看NI官网，我没时间去弄了。

本书讲述构建程序的关键工具——链接器和加载器，内容包括链接和加载、体系结构、目标文件、存储分配、符号管理、库、重定位、加载和覆盖、共享库、动态链接和加载、动态链接的共享库，以及着眼于成熟的现代链接器所做的一些变化；并介绍一个持续的实践项目，即使用perl语言开发一个可用的小链接器。

本书中的技术和范例代码均可直接应用于各种实际的嵌入式系统项目。有过嵌入式系统开发经验的读者，也将从中获益匪浅。 　　 本书内容包括： 　　 快速有效的测试存储器芯片 　　 如何写入和擦除快闪存储器 　　 用循环冗余校验码验证非易失性存储器数据 　　 与芯片的内部外设和外部外设接口 　　 设计和实现设备驱动 　　 优化嵌入式软件 　　 最大限度高性能的应用C++特性 　　 本书适用于嵌入式系统程序员、设计师和项目管理人员 *************************************************************** 请注意： 下载完，评论的同时，请点击评论框上方的五角星（共5个五角星），这样你的被扣的积分就可以返还了。 如果只评论，不点击小五角星，积分不会返还。 一定要先下载完，再评论。如果先评论后下载，或者在下载的过程中评论，积分同样不会返还。 *************************************************************** 更多linux、ARM和C语言资源请参考： http://blog.csdn.net/arkofnoach/archive/2010/10/23/5960560.aspx

VC++之MFC类库中文手册.chm MFC帮助.chm

《模式识别（第四版）》是2010年电子工业出版社出版的图书，作者是西奥多里蒂斯。本书由模式识别领域的两位顶级专家合著，全面阐述了模式识别的基础理论、最新方法、以及各种应用。 作　者：(希)Sergios Theodoridis / (希)Konstantinos Koutroumbas，李晶皎等译 第1章 导论 1.1 模式识别的重要性 1.2 特征、特征向量和分类器 1.3 有监督、无监督和半监督学习 1.4 MATLAB程序 1.5 本书的内容安排 第2章 基于贝叶斯决策理论的分类器 2.1 引言 2.2 贝叶斯决策理论 2.3 判别函数和决策面 2.4 正态分布的贝叶斯分类 2.5 未知概率密度函数的估计 2.6 最近邻规则 2.7 贝叶斯网络 习题 MATLAB编程和练习 参考文献 第3章 线性分类器 3.1 引言 3.2 线性判别函数和决策超平面 3.3 感知器算法 3.4 最小二乘法 3.5 均方估计的回顾 3.6 逻辑识别 3.7 支持向量机 习题 MATLAB编程和练习 参考文献 第4章 非线性分类器 4.1 引言 4.2 异或问题 4.3 两层感知器 4.4 三层感知器 4.5 基于训练集准确分类的算法 4.6 反向传播算法 4.7 反向传播算法的改进 4.8 代价函数选择 4.9 神经网络大小的选择 4.10 仿真实例 4.11 具有权值共享的网络 4.12 线性分类器的推广 4.13 线性二分法中1维空间的容量 4.14 多项式分类器 4.15 径向基函数网络 4.16 通用逼近 4.17 概率神经元网络 4.18 支持向量机：非线性情况 4.19 超越SVM的范例 4.20 决策树 4.21 合并分类器 4.22 合并分类器的增强法 4.23 类的不平衡问题 4.24 讨论 习题 MATLAB编程和练习 参考文献 第5章 特征选择 5.1 引言 5.2 预处理 5.3 峰值现象 5.4 基于统计假设检验的特征选择 5.5 接收机操作特性（ROC）曲线 5.6 类可分性测量 5.7 特征子集的选择 5.8 最优特征生成 5.9 神经网络和特征生成/选择 5.10 推广理论的提示 5.11 贝叶斯信息准则 习题 MATLAB编程和练习 参考文献 第6章 特征生成I：线性变换 6.1 引言 6.2 基本向量和图像 6.3 Karhunen-Loève变换 6.4 奇异值分解 6.5 独立成分分析 6.6 非负矩阵因子分解 6.7 非线性维数降低 6.8 离散傅里叶变换（DFT） 6.9 离散正弦和余弦变换 6.10 Hadamard变换 6.11 Haar变换 6.12 回顾Haar展开式 6.13 离散时间小波变换（DTWT） 6.14 多分辨解释 6.15 小波包 6.16 二维推广简介 6.17 应用 习题 MATLAB编程和练习 参考文献 第7章 特征生成II 7.1 引言 7.2 区域特征 7.3 字符形状和大小的特征 7.4 分形概述 7.5 语音和声音分类的典型特征 习题 MATLAB编程和练习 参考文献 第8章 模板匹配 8.1 引言 8.2 基于最优路径搜索技术的测度 8.3 基于相关的测度 8.4 可变形的模板模型 8.5 基于内容的信息检索：相关反馈 习题 MATLAB编程和练习 参考文献 第9章 上下文相关分类 9.1 引言 9.2 贝叶斯分类器 9.3 马尔可夫链模型 9.4 Viterbi算法 9.5 信道均衡 9.6 隐马尔可夫模型 9.7 状态驻留的HMM 9.8 用神经网络训练马尔可夫模型 9.9 马尔可夫随机场的讨论 习题 MATLAB编程和练习 参考文献 第10章 监督学习：尾声 10.1 引言 10.2 误差计算方法 10.3 探讨有限数据集的大小 10.4 医学图像实例研究 10.5 半监督学习 习题 参考文献 第11章 聚类：基本概念 11.1 引言 11.2 近邻测度 习题 参考文献 第12章 聚类算法I：顺序算法 12.1 引言 12.2 聚类算法的种类 12.3 顺序聚类算法 12.4 BSAS的改进 12.5 两个阈值的顺序方法 12.6 改进阶段 12.7 神经网络的实现 习题 MATLAB编程和练习 参考文献 第13章 聚类算法II：层次算法 13.1 引言 13.2 合并算法 13.3 cophenetic矩阵 13.4 分裂算法 13.5 用于大数据集的层次算法 13.6 最佳聚类数的选择 习题 MATLAB编程和练习 参考文献 第14章 聚类算法III：基于函数最优方法 14.1 引言 14.2 混合分解方法 14.3 模糊聚类算法 14.4 可能性聚类 14.5 硬聚类算法 14.6 向量量化 附录 习题 MATLAB编程和练习 参考文献 第15