<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[game4的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/game4</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; game4]]></copyright><item><title><![CDATA[LabVIEW实战项目包：50个开箱即用的工程案例，含PID调参、Excel自动化、LED显示与小游戏]]></title><link>https://blog.csdn.net/game4/article/details/163348623</link><guid>https://blog.csdn.net/game4/article/details/163348623</guid><author>game4</author><pubDate>Fri, 31 Jul 2026 03:03:30 +0800</pubDate><description><![CDATA[这套LabVIEW资源包含50个真实可运行的工程实例，覆盖从入门到进阶的典型应用场景。界面开发方面支持动态字体调整、滚动条响应、数字时钟、控件状态联动等交互技巧；数据处理涵盖旋转数组、簇排序、多列列表排序、移位寄存器逻辑等常用操作；控制逻辑实现模拟PID调节、生产者消费者模型、队列引用传递、警报状态机、峰数统计和坐标设定等功能；系统集成能力包括获取MAC地址、调用Windows API、远程启动VI、连续文件写入、键盘鼠标事件捕获（如TAB切换、画圆、退出循环）、关机控制、文件删除、桌面壁纸设置等；办公自动]]></description><category></category></item><item><title><![CDATA[MATLAB图像融合工具包：NSCT分解+空间频率加权+PCNN激励，支持多聚焦与多模态图像一键融合]]></title><link>https://blog.csdn.net/game4/article/details/163348569</link><guid>https://blog.csdn.net/game4/article/details/163348569</guid><author>game4</author><pubDate>Fri, 31 Jul 2026 03:02:34 +0800</pubDate><description><![CDATA[一套开箱即用的MATLAB图像融合实现方案，专注解决多聚焦、多模态图像融合问题。核心流程包含非下采样轮廓波变换（NSCT）对源图像进行多尺度多方向分解，提取高频细节与低频结构信息；利用空间频率（SF）计算各子带局部清晰度，生成自适应权重图；再通过脉冲耦合神经网络（PCNN）建模视觉显著性响应，结合SF权重驱动融合决策。提供完整函数模块：NSCT正反变换（nsctdec/nsctrec）、方向滤波器组（nsdfbdec/nssfbrec）、PCNN参数自适应（func_SP_2012）、空间频率计算（SS.m]]></description><category></category></item><item><title><![CDATA[即用型花卉识别模型包：含12类标签、18张实拍测试图与一键推理脚本]]></title><link>https://blog.csdn.net/game4/article/details/163319613</link><guid>https://blog.csdn.net/game4/article/details/163319613</guid><author>game4</author><pubDate>Thu, 30 Jul 2026 03:45:25 +0800</pubDate><description><![CDATA[直接运行就能识别玫瑰、向日葵、郁金香等12种常见花卉的完整模型方案。核心是已冻结的TensorFlow 1.x兼容模型文件retrained_graph.pb，搭配retrained_labels.txt明确标注每类名称；test.py脚本支持单图或批量识别，自动输出Top-3预测结果及置信度分数。内置18张真实拍摄的JPG测试图，全部存放在flower_photos_test目录下，开箱即用。输入图像需缩放到299×299像素，按Inception v3要求做[-1,1]归一化预处理。环境只需安装Tens]]></description><category></category></item><item><title><![CDATA[MATLAB版BRISQUE图像质量打分工具：含特征提取、预训练SVR模型与测试图例]]></title><link>https://blog.csdn.net/game4/article/details/163288631</link><guid>https://blog.csdn.net/game4/article/details/163288631</guid><author>game4</author><pubDate>Wed, 29 Jul 2026 03:58:26 +0800</pubDate><description><![CDATA[一套开箱即用的无参考图像质量评估MATLAB工具包，基于BRISQUE算法实现端到端打分流程。内置brisque_feature.m完成自然场景统计建模，自动估计AGGD和GGD分布参数；brisquescore.m整合特征归一化、SVM回归预测与最终分数输出；配套svm-predict.exe和svm-scale.exe支持本地快速推理，无需额外安装LibSVM。提供两个测试图像（testimage1.bmp/testimage2.bmp）及详细readme.txt操作指引。allmodel目录包含论文复]]></description><category></category></item><item><title><![CDATA[Coilcraft射频电感ADS仿真模型合集（0201~2929封装，含.s2p与宏模型）]]></title><link>https://blog.csdn.net/game4/article/details/162918639</link><guid>https://blog.csdn.net/game4/article/details/162918639</guid><author>game4</author><pubDate>Thu, 16 Jul 2026 04:16:37 +0800</pubDate><description><![CDATA[这套资源整理了线艺（Coilcraft）主流射频电感在ADS平台可用的仿真模型，覆盖从0201到2929共十余种封装尺寸，包括0603、0805、0908、1008、1515、1812、2222等常见规格；支持典型电感值如10nH、22nH、33nH、68nH、131nH、301nH、501nH等，每个型号均提供两种模型形式：基于实测数据的.s2p散射参数文件，以及适用于快速电路级仿真的行为级宏模型（.oalib库文件）；所有模型已按封装+标称值规范命名，例如%C%C%I_0603%L%S代表0603封装低]]></description><category></category></item><item><title><![CDATA[Matlab维纳滤波语音降噪实战包：含标准/改进算法、测试音频、效果对比图与完整可运行代码]]></title><link>https://blog.csdn.net/game4/article/details/162889347</link><guid>https://blog.csdn.net/game4/article/details/162889347</guid><author>game4</author><pubDate>Wed, 15 Jul 2026 03:52:19 +0800</pubDate><description><![CDATA[一套即装即用的Matlab语音降噪工具包，基于经典维纳滤波原理，提供标准版（Weina_Norm.m）和改进版（Weina_Im.m）两种实现。内置语音活动检测vad_LogSpec.m、加窗分帧enframe.m、重叠相加OverlapAddN.m、帧翻转filpframe.m及信噪比计算SNR_Calc.m等配套函数，支持从原始带噪语音C5_3_y.wav到干净语音的端到端处理。运行主脚本C5_3_y_1.m即可自动生成时域波形与频谱对比图（已保存为运行结果1.jpg），直观呈现降噪前后差异。所有代码兼]]></description><category></category></item><item><title><![CDATA[纯PHP文件存储留言板：支持留言提交、列表浏览、详情查看与附件上传]]></title><link>https://blog.csdn.net/game4/article/details/162888591</link><guid>https://blog.csdn.net/game4/article/details/162888591</guid><author>game4</author><pubDate>Wed, 15 Jul 2026 03:12:27 +0800</pubDate><description><![CDATA[一套开箱即用的PHP留言板系统，不依赖数据库，所有数据以文件形式保存在服务器本地。用户通过input.php填写网名、主题、正文并可上传图片等附件；提交后自动跳转至index.php，以简洁表格形式展示所有留言条目，含ID、时间、主题和操作入口；点击任意条目进入show.php查看完整信息，包括原始提交内容、时间戳及附件下载链接；delete.php提供后台删除功能，需手动访问触发（无权限校验）；上传文件统一存放在uploads目录，photos目录内置示例图（如78786.jpg）便于快速测试；.giti]]></description><category></category></item><item><title><![CDATA[51单片机双模式抢答器：一键启动抢答+长按设置倒计时（0-60秒可调）]]></title><link>https://blog.csdn.net/game4/article/details/162856383</link><guid>https://blog.csdn.net/game4/article/details/162856383</guid><author>game4</author><pubDate>Tue, 14 Jul 2026 06:16:12 +0800</pubDate><description><![CDATA[基于STC89C51或兼容51内核单片机设计的实用电子抢答系统，支持两种操作模式无缝切换。模式一为正常抢答流程：主持人按下Start键开始计时，8位选手（NO1–NO8）通过独立按键抢答，最先响应者编号实时显示在LED数码管上，其余按键被锁定；模式二为参数设置状态：长按Clear键进入，此时Start键循环增减倒计时时间（0～60秒），短按Clear键清空当前抢答结果并返回待机状态。配套完整模块化代码，含key.c（4×4矩阵/独立按键扫描）、led.c（共阴/共阳数码管动态显示驱动）、qiangda.c（]]></description><category></category></item><item><title><![CDATA[C语言链表实现的自行车用户信息管理工具，支持增删改查与双字段排序]]></title><link>https://blog.csdn.net/game4/article/details/162855986</link><guid>https://blog.csdn.net/game4/article/details/162855986</guid><author>game4</author><pubDate>Tue, 14 Jul 2026 05:05:51 +0800</pubDate><description><![CDATA[一个纯控制台运行的C语言程序，用单向动态链表管理自行车用户的姓名、性别、电话和车辆编号四项信息。所有数据操作都基于链表完成：支持头插、尾插、按序插入新记录；可按姓名或编号升序排序；提供精确匹配查询（支持按姓名或编号查找）、整条记录修改、指定节点删除，以及全部数据遍历打印功能。代码共688行，结构模块化，每个函数职责明确，关键步骤配有中文注释，开头附有整体功能说明，方便理解逻辑和后续扩展。在Dev-C++环境下编译通过，无需额外依赖或配置，直接运行即可使用。适合刚学完指针和链表的C语言学习者动手实践，掌握内存]]></description><category></category></item><item><title><![CDATA[Qt+CUDA加速YOLOv5目标检测桌面程序：含OpenCV-DNN推理封装、视频流处理与完整UI资源]]></title><link>https://blog.csdn.net/game4/article/details/162855854</link><guid>https://blog.csdn.net/game4/article/details/162855854</guid><author>game4</author><pubDate>Tue, 14 Jul 2026 04:53:24 +0800</pubDate><description><![CDATA[一套开箱即用的Windows平台Qt桌面应用，集成YOLOv5目标检测能力，支持图片加载、本地视频/摄像头实时分析、检测框绘制与结果保存。底层通过OpenCV DNN模块加载ONNX格式模型（如yolov5s.onnx），自动启用CUDA后端加速，在NVIDIA GPU上显著提升推理速度和帧率。工程结构清晰：包含主窗口（mainwindow.ui/h/cpp）、YOLOv5推理类（yolov5.h/cpp）、CMake构建配置（Yolov5Detect.pro）、30余个UI图标资源（play.ico、st]]></description><category></category></item><item><title><![CDATA[局域网内点对点传文件：带图形界面的Python本地HTTP传输工具（Tkinter+Flask+多线程）]]></title><link>https://blog.csdn.net/game4/article/details/162823340</link><guid>https://blog.csdn.net/game4/article/details/162823340</guid><author>game4</author><pubDate>Mon, 13 Jul 2026 04:28:06 +0800</pubDate><description><![CDATA[直接在局域网两台电脑间传文件，不用云、不走外网、不依赖第三方服务。运行就启动本地HTTP服务（默认5080端口），用Tkinter做的桌面界面，点几下就能选文件、开服务、生成下载链接或二维码；对方浏览器打开链接就能下载，或者用脚本POST上传。所有操作都在本地完成，传输过程走内网直连，速度快、隐私好。后台用threading多线程跑Flask服务，界面不卡顿，状态实时更新；用queue在线程间安全传递消息。代码里把文件路径拆解、二进制流收发、Flask路由怎么接上传/吐下载、Tkinter按钮怎么响应、怎么]]></description><category></category></item><item><title><![CDATA[农田无人机播种沟识别工具包：YOLOv8训练模型+视频检测+图形化操作界面]]></title><link>https://blog.csdn.net/game4/article/details/162823199</link><guid>https://blog.csdn.net/game4/article/details/162823199</guid><author>game4</author><pubDate>Mon, 13 Jul 2026 04:21:23 +0800</pubDate><description><![CDATA[专为农业智能化场景设计的播种沟槽识别工具包，直接支持无人机航拍图像和视频流中的播种深度等级判断。内置两个可用模型（best.pt和yolov8n.pt），开箱即用；提供train_mode.py用于迁移训练，Detection_video.py实现实时视频分析，Visual_interface.py集成图形化操作界面，一键启动即可查看检测结果、标签统计、混淆矩阵、F1曲线、PR曲线及验证集可视化图像。数据集覆盖不同光照条件与多种土壤类型的真实农田播种场景，标注严格遵循YOLO格式。所有脚本均在Windows]]></description><category></category></item><item><title><![CDATA[高校毕设可用的微信快递寄件小程序源码（含Java后端参考实现）]]></title><link>https://blog.csdn.net/game4/article/details/162777359</link><guid>https://blog.csdn.net/game4/article/details/162777359</guid><author>game4</author><pubDate>Sat, 11 Jul 2026 03:20:07 +0800</pubDate><description><![CDATA[一套开箱即用的微信快递寄件小程序源码，专为计算机类专业毕业设计优化。前端基于原生小程序框架开发，结构规范，包含pages页面、components自定义组件、utils工具函数、assets静态资源、image图片素材等标准目录；配套Java后端参考代码，支持寄件下单、收货地址管理、物流状态查询等核心功能。压缩包内含完整项目配置文件（app.js/app./app.wxss）、基础说明文档、.gitignore/jsconfig.等开发辅助文件，以及daiwu-master子模块（疑似代收代发服务对接层）。]]></description><category></category></item><item><title><![CDATA[STM32人流量统计开发套件：含仿真、PCB、实测代码与多传感器支持]]></title><link>https://blog.csdn.net/game4/article/details/162777260</link><guid>https://blog.csdn.net/game4/article/details/162777260</guid><author>game4</author><pubDate>Sat, 11 Jul 2026 03:16:26 +0800</pubDate><description><![CDATA[这个资源包提供一套可直接上手的STM32人流量统计解决方案，基于STM32F103系列芯片设计，支持红外对管和超声波两种主流传感方式。内含Keil环境下可一键编译运行的C语言工程源码，已通过实物测试验证，具备人数累加、进出方向识别、LCD实时数据显示等核心功能。配套Proteus 8.6仿真文件（.pdsprj格式），方便在无硬件条件下验证逻辑；完整PCB设计文件（PcbDoc格式），含原理图JPG、PCB布局图JPG、引脚定义说明，便于打板或教学演示。还包含串口与蓝牙通信示例代码，实现本地数据上传与远程交]]></description><category></category></item><item><title><![CDATA[MATLAB印刷缺陷检测GUI工具包：含测试图、流程图与可直接运行的源码]]></title><link>https://blog.csdn.net/game4/article/details/162747165</link><guid>https://blog.csdn.net/game4/article/details/162747165</guid><author>game4</author><pubDate>Fri, 10 Jul 2026 04:18:57 +0800</pubDate><description><![CDATA[这个MATLAB印刷缺陷检测工具包提供完整的图形化操作界面（main.fig + main.m），支持点状、线状、块状三类常见印刷缺陷识别。内置6张实测图像（p1点.jpg、p1线.jpg、p1块.jpg、p2点.jpg、p2线.jpg、标准图1.jpg）、3个预加载图像数据文件（Img.mat、I6.mat、I61.mat），以及清晰的操作指南（如何导入程序.doc）和算法说明文档（基于机器视觉的印刷品缺陷检测算法设计.docx）。流程图.png直观呈现图像处理步骤，toolbox.data和matlab]]></description><category></category></item><item><title><![CDATA[C/C++编写的轻量级工资管理系统：含源码、可执行文件与完整操作截图]]></title><link>https://blog.csdn.net/game4/article/details/162680972</link><guid>https://blog.csdn.net/game4/article/details/162680972</guid><author>game4</author><pubDate>Wed, 08 Jul 2026 03:27:39 +0800</pubDate><description><![CDATA[一个开箱即用的员工工资管理工具，用标准C和C++混合实现，不依赖任何第三方库。程序启动自动读取data.txt中的员工数据，退出时自动保存变更。主界面提供清晰菜单，支持添加、删除、修改、按姓名或ID查询员工信息；支持按工资区间筛选人员；能快速计算并显示最高工资、最低工资和平均工资。所有功能逻辑集中在main.cpp中，结构简洁，变量命名规范，注释到位，适合刚学完基础语法的学生阅读和调试。配套的main.exe可直接双击运行，无需安装编译环境；附带9张真实测试截图，覆盖文件读写、增删改查、工资统计等全流程操作]]></description><category></category></item><item><title><![CDATA[基于CIC2018数据集的RGCN动态图流量异常检测完整工程包（含训练模型、可视化图表与论文）]]></title><link>https://blog.csdn.net/game4/article/details/162569709</link><guid>https://blog.csdn.net/game4/article/details/162569709</guid><author>game4</author><pubDate>Sat, 04 Jul 2026 05:24:08 +0800</pubDate><description><![CDATA[用Python实现的动态图神经网络流量异常检测方案，核心基于关系图卷积网络（RGCN），直接处理CIC2018原始PCAP日志并构建成时序动态图结构。项目提供端到端流程：从read_data.py和load_graph.py完成日志解析与图构建，到train_test.py执行模型训练与评估，再到intrusion_detection.py集成OSVM等后处理策略提升检测精度。models.py和layers.py封装可复用的RGCN模块，main.py为统一运行入口。配套多个CSV结果文件（如rgcn-2]]></description><category></category></item><item><title><![CDATA[MATLAB一键绘制S域传递函数三维幅相图工具]]></title><link>https://blog.csdn.net/game4/article/details/162506215</link><guid>https://blog.csdn.net/game4/article/details/162506215</guid><author>game4</author><pubDate>Thu, 02 Jul 2026 06:01:17 +0800</pubDate><description><![CDATA[直接运行s_plane.m脚本，就能在S平面上生成传递函数的三维幅值或相位曲面图，支持手动输入极点、零点坐标和频率范围，自动渲染网格图或表面图；适用于系统稳定性判别、极点零点分布观察、频响趋势分析等典型控制工程任务；仅依赖MATLAB基础环境和Control System Toolbox（不需Simulink），开箱即用；配套提供示例图像s_plane_plot.png供效果参考，license.txt明确标注MIT开源许可，requirements.txt和s_plane.py为额外兼容性补充，实际主功能]]></description><category></category></item><item><title><![CDATA[ROS多机协同探索与实时地图拼接功能集，适配Kinetic/Lunar/Noetic]]></title><link>https://blog.csdn.net/game4/article/details/162469725</link><guid>https://blog.csdn.net/game4/article/details/162469725</guid><author>game4</author><pubDate>Wed, 01 Jul 2026 04:11:04 +0800</pubDate><description><![CDATA[一套开箱即用的ROS多机器人自主探索与地图融合工具链，包含explore-lite（轻量级区域探索控制器）和map_merge（多机栅格地图实时拼接模块），支持标准ROS发行版Kinetic、Lunar、Noetic。通过apt可直接安装对应版本的ros-${ROS_DISTRO}-explore-lite和ros-${ROS_DISTRO}-multirobot-map-merge二进制包；源码采用catkin构建，依赖由rosdep自动解析，推荐按ROS版本选用kinetic-devel、noetic-]]></description><category></category></item><item><title><![CDATA[网页消息提醒音JS轻量方案（含MP3音频+多浏览器兼容代码）]]></title><link>https://blog.csdn.net/game4/article/details/162353569</link><guid>https://blog.csdn.net/game4/article/details/162353569</guid><author>game4</author><pubDate>Sat, 27 Jun 2026 03:56:12 +0800</pubDate><description><![CDATA[直接可用的网页端声音提示功能，包含一个music.html示例页、jQuery 1.10.2精简版、一段5.mp3提示音文件，以及已封装好的JavaScript播放逻辑。所有代码经过IE8+、Chrome、Firefox等主流浏览器实测，无需额外配置即可触发声音反馈。调用方式极简：只需在需要提醒的位置执行playSound()函数，比如表单提交成功后、聊天收到新消息时、后台任务完成回调中。音频资源统一放在music目录下，HTML页面内已内置按钮点击触发示例，方便开发者快速验证效果；替换自有MP3文件仅需修]]></description><category></category></item></channel></rss>