提高Windows操作系统的"办事"效率

使用计算机的人们常常会抱怨一句“这破机器,启动、操作都太慢了!”诚然,计算机的整个启动过程没有三分钟是下不来的,如果安装的软件很多,并且大都是常驻程序的话,启动时间会更长。信息时代,一切讲快!下面就让我们来看看如何将Windows提速!     

先生之风

先生多是蔼然的长者,我的求学,遭遇到的,皆是纵千金也难以礼聘的好先生。说礼聘,似乎有些摆阔。少时家贫,拿什么“礼”去聘先生呢。而且聘的又多半是学究之类,做“八股文”的,我的年纪尚轻,要说设家馆聘塾师,那是数十年前才会有的事。所谓礼,也可以释作虔诚、恭敬,聘却不能,因为人总是要生存的。我和我的启蒙先生,同住一村。我的荷塘乡间的老屋,与先生家只隔着一座浅浅的山丘。二十年前,村里建了一座小学,先生便做了我们的先生,讲授语文和     

网络BBS

动物语录大熊猫:哈哈,想要风光吗?学我爷爷奶奶他们啊,熊和猫结婚。恐龙:不好意思,死得太早了,让你们伤脑筋了!狐狸:明明是高级香水,你们却说是狐臭。猪:吃啥补啥,我若不聪明,你们吃我补啥?袋鼠:唉,没钱,口袋再大也还是鼠!老鼠:唉,成天为吃喝担惊受怕的,能不老吗?!苍蝇:我和蜜蜂的最大差别在于口味不同。熊:还是胆小些好啊!蜈蚣:为了省钱,我从来不穿鞋。荧火虫:谁要学放电?蝉:哼!不买票,就别怪我乱唱。螳螂:怎么没酒店雇我切菜?金庸人物成名曲萧峰:我是一匹来自北方的狼,走在无垠的旷野中……段正淳:爱江山更爱美人,哪个英雄好汉宁愿孤单……     

都市散仙李白也艳羡

他们不是小资,不是BOBO族,他们是散仙！字典上没有散仙这个词,但对大都市中活得自在、玩得开心的这拨儿人来说,惟有“散仙”才能形容出他们的生活状态。他们真正是自己生活的主人,热爱生命、懂得享受,他们的生活,简直就是我们梦想了一万年想要过上的那种生活。逍遥?自我?惬意?都不足以形容！说了,他们就是散仙！     

基于图像邻域特性的高斯噪声去噪

针对传统高斯噪声去噪算法残余噪声较大的不足,根据噪声对图像视觉的影响,提出了基于像素邻域相关性的去噪算法.首先运用邻域像素的连续性判断像素点是否位于平滑区内;其次对非平滑区根据边缘和纹理的局部连续性运用形态学提取图像边缘和纹理进而定位噪声点;最后对平滑区内的噪声运用自适应邻域进行去噪处理,对非平滑区的噪声仅利用非平滑区的邻域进行平滑,实现了对高斯噪声先定位再去噪.经实验结果验证:与传统方法相比,该算法较好地抑制了图像平滑区内噪声,提高了去噪后图像的视觉效果.     

基于改进迭代最近点算法的接骨板贴合性快捷计算方法

为了快速计算出接骨板在断骨表面的最佳贴合位置,以减少手术中接骨板反复调整的次数,提出了一种基于改进迭代最近点（ICP）算法的接骨板贴合性快捷计算方法。首先,由医生指导在断骨表面选取贴合区域,并利用接骨板表面点的法向量之间的夹角提取接骨板的内曲面点云;然后,在对两组点云模型进行平滑处理并采用格点采样的方式来简化点云模型后,利用点云之间的特征关系进行初始配准;最后,对接骨板内曲面点云模型进行边界及内部特征关键点提取,并采用K-维树（KD-Tree）搜索邻近点,对接骨板的特征关键点和断骨表面选取区域执行ICP精确配准。以胫骨为例进行实验,实验结果表明,所提算法相较于近年所提配准算法在保持较高配准度的同时提高了配准效率,能够实现胫骨不同受损类型与接骨板之间的快速配准,并且对其他受损骨骼具有通用性。     

基于兼容性网格分割的骨骼参数计算

为了解决骨骼参数难以测量的问题,提出一种利用网格分割结果计算参数的方法.首先对骨骼网格模型在提取少量特征点的基础上进行语义分割;然后将分割得到的模板借助基于Laplacian变形的非刚性配准,指导同类骨骼模型实现快速兼容性分割;最后结合网格分割结果及特征点计算出骨骼的主要形态参数.实验结果表明,该方法仅需少量的用户交互就能获得较好的测量效果,结合模板的策略也支持大批量骨骼模型的参数测定.     

立洲RCC拱坝蓄水过程应力变形特性分析

基于立洲RCC拱坝温度场全过程仿真分析成果,考虑施工期残余应力,分析大坝蓄水过程中在温度荷载、水荷载、渗透压力和自重作用下坝体应力变形特性及发展规律,探寻真实工作状态下与设计荷载作用下大坝应力特性差异,并结合类似工程蓄水监测成果对立洲大坝的蓄水安全情况进行分析和评价。分析结果表明,大坝实际应力、变形性态与传统算法结果相比差异显著,大坝在蓄水过程中处于弹性范围内,工作状态正常。     

网络健身:最IT的健身方式

<正>在常人的眼中,我们是衣着光鲜的IT白领。其实我们自己知道,所谓IT,就是如果不努力工作就会"挨踢";所谓"白领",就是说这月工资刚好够衣食住行的花费,到月底一点儿没剩下,白领了……     

基于局部线性嵌入的数字水印

提出了一种基于局部线性嵌入(LLE)的水印算法,它对仿射变换具有鲁棒性。该算法通过LLE内在的稳健性改善了鲁棒性。随机产生的水印被嵌入到局部线性嵌入的重建权的系数中。在提取水印时,水印几乎可以用像嵌入时一样的过程来提取。实验结果表明,该水印方案对仿射变换的鲁棒性较好。