win10 wifi設定的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

以混合實境方法研發普惠JT9D發動機的維修技術

為了解決win10 wifi設定的問題，作者洪晟喬 這樣論述：

發動機是飛機的心臟，深深影響著飛航安全與航空公司的經營管理，也是飛機修護中一個非常重要的環節，然而飛機發動機非常龐大，除了在機場、專業維修廠與教學場所外，在一般學校教室是很難見到發動機實體，也無法親自參與整個維修過程，大幅增加學習的困難度。拜科技進步所賜，擴增實境(Augmented Reality,AR)、虛擬實境(Virtual Reality,VR)與混合實境(Mixed Reality,MR)等技術相繼問世，在比較三種不同的實境技術後，我們嘗試使用混合實境的虛實資料疊加特性來製作本研究。本論文使用混合實境Microsoft HoloLens 2搭配Unity 3D軟體開發三個發動機維

修技術的維修場景，在第一個場景中，我們結合互動按鈕與動畫，模擬將發動機從飛機機翼派龍(Pylon)卸下的模擬，讓使用者學習拆卸發動機的過程。在第二個場景中，我們將拆卸下來的發動機做大部分解的立體爆炸圖，並標示出主要之部件，以及燃油流向的動畫，來介紹發動機的基本構造。第三個場景中，使用混合實境可與虛擬物體互動的特性，讓使用者可以親自動手模擬拆換發動機葉片，並且熟悉整個流程步驟。此外，由於班級人數眾多，並不是每個人都能在上課期間進行實作，此系統可透過Wifi將Microsoft HoloLens 2的即時影像投影在螢幕上，讓其他學生共同參與整個課程，同時也能了解操作過程。在完成此系統製作後，也對虎

科大飛機系學生進行測試與問卷調查，並期許學生能夠在普通教室也能清楚地了解主要發動機維修的流程與步驟，使學習更有效率。

基於毫米波雷達之人數計算及其應用

為了解決win10 wifi設定的問題，作者姚庭軒 這樣論述：

毫米波雷達會產生三維點雲數據，在本文中使用聚類演算法來處理點雲，但由於傳統的聚類演算法對於點雲的效果不佳，可能是點雲易受移動物體的幅度而產生數量不同的數據，導致在使用傳統聚類演算法時，沒有辦法決定出掃描半徑以及最小包含點的數值。本文改進了聚類演算法中的歐式距離公式，在點雲的不同平面上給予不同的權重，將點雲對應到身高的Y軸權重調小，讓偵測出來的點雲更接近移動的狀態。除此之外也因為點雲每幀點雲的數量差距很大，在點雲稀少的情況下聚類演算法無法辨識出範圍內的物體個數，所以採用了累計3幀點雲加上平滑的方法，統計出這3幀適合的掃描半徑以及最小包含點，改進前，聚類演算法的效果對於兩人的效果為45%，改進後

則提升到了90%。由於聚類演算法效果的侷限性，並不能知道偵測物體每一幀所測得物體的身份，故利用了匈牙利算法將聚類後的結果﹐利用前後兩幀每個類別的前10的點雲來計算相關係數，以建構出一個行列大小相同矩陣來計算矩陣間的損失值，如此就能固定住聚類結果的身份，錯置率約為8%。而後再經由卡爾曼濾波器，來計算當前狀態的預測值，所得出的一人平均誤差約為13到15公分，兩人的平均誤差為15到55公分。