Z3

20200325： R8_22的表示找到了，所以还剩下14种8阶环的表示没找到。 root@ubuntu:/home/cpptest/lua# ./luatest GaussianIntegers.lua z1=9+11i z2=56+3i z1+z2=65+14i z1-z2=-47+8i z1*z2=471+643i z1/z2=0+0i false 0+0i 7+5i 0-1i 0-1i -1-9i -1+4i 4+7i 4+7i -1-6i 5-5i 0,1,2,4,5,8,9,10,13,16,17,18,20,25,26,29,32,34,36,37,40,41,45,49,50,52,53,58,61,64,65,68,72,73,74,80,81,82,85,89,90,97,98,100,101,104,106,109,113,116,117,125,128,130,136,145,149,162,164,181,200, 0,1,2,4,5,8,9,10,13,16,17,18,20,25,26,29,32,34,36,37,40,41,45,49,50,52,53,58,61,64,65,68,72,73,74,80,81,82,85,89,90,97,98,100,101,104,106,109,113,116,117,121,122,125,128,130

3 月，跳不动了？>>> Gabor 变换由 D.Gabor 于 1946 年提出， 当时是为解决傅氏变换局部频率变化的不足， 而在其基础上增加窗函数， 实现有效获得信号的局部信息， 因此 Gabor 变换是一种基于窗口的短时傅氏变换 。 由于所加窗函数为高斯窗， 在频域上具有不变性， 因此 Gabor 变换能在时域与频域同时获得局部信号的变化。 在进行图像处理时， 纹理特征往往反应在局部局域的变化， 因此将 Gabor 变换改造成二维 Gabor 滤波器， 在提取图像纹理特征时取得良好效果。 经研究发现， Gabor 滤波响应与人眼视觉皮层感受野响应相似。 如下图： 第一行是人眼视觉感受野的响应模型， 第二行为 Gabor 滤波变换波形， 最后一行为二者的响应残差。 从中可以发现， Gabor 相应符合人眼视觉感受机制， 可以用来模拟人眼对图像进行处理分析。在第二章视觉显著性计算中可知， Itti 仿生显著性模型中提取的方向特征正是采用 Gabor 滤波得到的， 这进一步说明了在纹理方向性上 Gabor 对图像的处理符合人类视觉显著性特点。 从理论上分析， 二维 Gabor 滤波器之所以对增强局部纹理方面性能突出， 因为在测不准原理之下， 2D-Gabor 是唯一能够达到其下界值的高性能函数。 Gabor 变换在时频两域可同时得到函数的局部最优解， 即时域下能增强局部信息， 频域

Windows下安装z3 使用虚拟环境安装 ( z3 ) E:\venv\ > python -m venv z3 ( z3 ) E:\venv\z3\Scripts > cd z3\Scripts ( z3 ) E:\venv\z3\Scripts > activate.bat ( z3 ) E:\venv\z3\Scripts > pip install -i https://pypi.tuna.tsinghua.edu.cn/simple z3-solver ( z3 ) E:\venv\z3\Scripts > python Python 3.6.6 ( v3.6.6:4cf1f54eb7, Jun 27 2018, 03:37:03 ) [ MSC v.1900 64 bit ( AMD64 ) ] on win32 Type "help" , "copyright" , "credits" or "license" for more information. >> > import z3 >> > 安装成功 Linux下安装z3 pwn@pc:~$ python3 -m venv z3 pwn@pc:~$ source ./z3/bin/activate ( z3 ) pwn@pc:~$ pip install -i https://pypi.tuna.tsinghua