使用c语言编写的灰色预测模型。
灰色预测是就灰色系统所做的预测。
所谓灰色系统是介于白色系统和黑箱系统之间的过渡系统，其具体的含义是：如果某一系统的全部信息已知为白色系统，全部信息未知为黑箱系统，部分信息已知，部分信息未知，那么这一系统就是灰箱系统。
一般地说，社会系统、经济系统、生态系统都是灰色系统。
例如物价系统，导致物价上涨的因素很多，但已知的却不多，因而对物价这一灰色系统的预测可以用灰色预测方法。

这是一个完好的喜洋洋flash动画源文件，喜欢flash的人可以用来参考参考·版本为flashCS3,CS4和CS5都可以打开。

网上有不少使用Qt做界面，OpenNI为库来开发kinect。
或许大家的第一个问题就是询问该怎样使用Kinect来获取颜色信息图和深度信息图呢？这一节就是简单来回答这个问题的。
使用OpenNI读取颜色图和深度图的步骤如下（这个是程序的核心部分）：　　1.定义一个Context对象，并调用该对象的Init()方法来进行初始化。
　　2.定义一个XnMapOutputMode格式对象，设置好分图像分辨率和帧率。
　　3.定义颜色图和深度图的节点对象，并用其Create()方法来创建，参数为Context对象.　　4.设置颜色和深度图的输出模式，调用的方法是SetMapOutputMode();参数为步骤2中定义和设置好了的XnMapOutputMode对象。
　　6.如果深度图和颜色图在一张图上显示，则必须对深度图像进行校正，校正的方法是调用深度图的如下方法：.GetAlternativeViewPointCap().SetViewPoint();　　7.调用context对象的StartGeneratingAll()来开启设备读取数据开关。
　　8.调用context对象的更新数据方法，比如WaitAndupdateAll()方法。
　　9.定义颜色图和色彩图的ImageMetaData对象，并利用对应的节点对象的方法GetMetaData()，将获取到的数据保存到对应的ImageMetaData对象中。
　　10.如果需要将深度图转换成灰度图来显示，则需要本人将深度值转换成0~255的单通道或者多通道数据，然后直接用来显示。

这一功能我都研究两天了，今天终于搞定了。
　　在网上找到的一些代码，功能太简单，仅支持静态网页，对于PHP、ASP等动态数据处理，却不能支持。
有了Ajax技术，就能完全处理这个问题，实现动态数据的处理。
　　现在拿出来分享，不愿意看文章的，可以直接将代码下载下去自己研究，已经测试，没有任何问题。
　　提示：index.php，dedeajax2.js，ajax.php这三个文件最好放在同一目录，省得麻烦　　不想扣分的，可以到这个网址去下载：[url]http://www.sunchis.com/html/dev/php/2009/0411/82.html[/url]

功能优异的智能优化算法，灰狼优化算法完整代码，通俗易懂，有望应用于多方面的工程领域。

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码

群智能算法源代码，如蚁群，粒子群，灰狼等

文件中给出案例数据，列代表指标集（输入集x:1-7,输出集y:8）行代表数据集。
可以用于本科毕业论文或者硕士毕业论文，首先使用SPSS进行出成分分析，然后将主成分得分值作为输入集，输出集保持不变。
通过该算法文件就可以得到预测值，具体步骤可以参考《基于SVM和LS-SVM的住宅工程造价预测研究》。
本算法使用BP神经网络的误差函数作为GWO算法的适应度函数，通过BP神经网络连接权值和阈值的数量来决定GWO算法中灰狼的维数，那么GWO算法寻优的过程就是权值和阈值更新的过程。
因而，GWO算法寻优的过程替代了BP神经网络梯度下降的过程。
经过不断更新和迭代，最终确定出全局最优值，即灰狼α所处的位置。
本算法输出的权值和阈值即作为神经网络的权值和阈值，不在通过神经网络继续训练。
可以参考文献《基于粒子群优化算法的BP网络学习研究》。

针对Harris算法在图像处理过程中特征点提取实时性和抗噪能力较差、计算量大的问题,提出一种结合像素点灰度差的Harris角点检测算法。
将被检测点与半径为3的邻近圆周上16个像素点作对比,以此计算非类似像素点的个数来确定候选角点,通过Harris角点响应函数提取角点,并结合SUSAN算法的思想去除伪角点。
实验结果表明,改进算法提高了原算法的实时性,增加了角点提取的数量,并且能有效去除大多数伪角点,提高图像角点检测的速度和正确性。

通过GWO灰狼算法优化支持向量机SVM建立各参数与研讨目标的映射模型，代代码比较全，可以直接在MATLLAB里面使用

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。