基于简单遗传算法的神经网络训练速度慢、易陷入局部极值,用具有较好的全局搜索能力自顺应遗传算法来优化神经网络权值和阈值,设计了基于自顺应遗传算法的BP神经网络的股票预测系统.该系统根据对股票历史数据分析,预测股价未来几天时间的走势.结果表明,改进算法具有很强的可行性和高效性.

搅扰信道中一种权值可调的迭代算法

该matlab程序为系统学习基于RBF神经网络的PID自适应控制所写，优化算法为梯度下降法，代码可以实现输入输出数据的产生，RBF神经网络权值、结点、基宽的自适应调理，PID参数的自整定。

针对平流层飞艇的姿势控制问题，阐述利用PID神经元网络结构对飞艇进行飞行控制率设计。
首先，针对平流层飞艇运行特点建立了完整六自由度动力学模型，随后在模型基础上提出PID神经网络的组成结构和计算方法，并利用粒子群算法对神经元网络初始权值进行了优化。
仿真计算结果表明，通过PID神经网络对控制率进行设计能够迅速接近控制目标，实现对平流层飞艇姿势的准确控制。

由于BP网络的权值优化是一个无约束优化问题，而且权值要采用实数编码，所以直接利用Matlab遗传算法工具箱。
贴出的代码是为一个19输入变量，1个输出变量情况下的非线性回归而设计的，如果要使用于其它情况，只需改动编解码函数即可。

数据结构课程设计吉大中心校区导游系统此程序是为学校数据结构课程设计而做的。
运行方法：可通过打开校园导游系统.exe或校园导游系统.hta（不明白hta是什么的可以自行百度，虽然本人也是第一次使用）进入登陆界面。
之后登陆界面会调用相应exe文件（校园导游系统admin.exe和校园导游系统user.exe）打开程序。
管理员模式密码为1234（密码在登录界面程序中定义，无法更改。
这一点是因为时间紧张，没有来得及添加密码功能。
）游客模式只有打开文件、查询景点、查询路径、显示、退出几个选项。
管理员模式有以上功能，还可添加景点、删除景点、修改景点、添加边、删除边。
程序运行过程中按照提示操作即可。
程序进入时默认打开map.txt和map.jpg，要打开其他文件请使用打开功能（文件有一定格式，请参看map.txt和map0.txt，要求先声明最大权值，然后声明景点数目，然后声明每一个景点的名称、简介、代号、X坐标、Y坐标，然后声明边的数目，然后声明每一条边的起点和终点的代号）。
数据结构.doc是数据结构课程设计课程的要求。
程序设计就是按照这个要求进行的。
《数据结构》课程设计报告.doc是所提交的设计报告，但是仅有界面部分，里面有详细的代码说明。
login.jpg是登陆界面的背景图片。
三个文件夹中是源代码。
分别对应于三个exe文件。
程序是采用绘图库编写（因为对于MFC是初自学，不甚会用）。
所以如果要编译源代码，请先安装easyX图形库（对于该图形库，可自行百度，此处提供版本可能不是最新，请去easyX官网下载。
）。
源代码全用VC6.0编译运行。
VS2013应该会报错。
codeblocks则不支持该图形库所以不能运行（或许应该说图形库不支持codeblocks？）。
若要学习图形库，可以使用压缩文件中的协助文件，很有协助的。
但是图形库做应用程序仅限于初学者，如果要做应用程序，最好使用MFC。
程序使用邻接表存储图，使用迪杰斯特拉算法计算最短路径。
使用绘图库绘制界面。
更多内容，请自己发掘。
请看源代码。

网上都认为遗传算法是优化初始权值的工具，找了一个实例研讨了一番，所有的代码都在里面

经改过的vc++神经网络算法基本bp神经网络算法和改进型bp神经网络算法都是我改写完成的算法，是网上四处传播的一个c++bp神经网络算法改写的，由于网上的那个算法编译会出现若干百个错误，所以我在其基础上重新编写和改进，写出了这两个算法！输入样本是通过“样本.txt”读入程序中的，文本中样本注解：1-1111//前3个数字是第一个样本输入数据，后两个是输出数据01110//这行是第二个样本的输入输出数据数据更改后，要重新设置程序中的样本数和输入层还有隐层“权值.txt”里面A是指隐层到输入之间的权值，B是输出层到隐层之间的权值，因为程序中要读入数据流的缘故，所以没有写入中文，写了不好控制！

基于k-均值的RBF神经网络实现，matlab程序，基于k均值找到聚类中心，最小二乘法计算隐含层与输入层之间的权值。

《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)SergiosTheodoridis/(希)KonstantinosKoutroumbas，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1.4MATLAB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：非线性格况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6.3Karhunen-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6.10Hadamard变换6.11Haar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II7.1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9.4Viterbi算法9.5信道均衡9.6隐马尔可夫模型9.7状态驻留的HMM9.8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12.4BSAS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13.3cophenetic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

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。