基于ICP算法的点云匹配的matlab实现。
利用已知的三维点云数据用直接法进行匹配，计算不同帧之间的R、T矩阵。
过程分为三维数据读取、三维数据去噪、点云降采样、ICP匹配。

经典的时间序列符号化算法SAX，该算法通过将一条时间序列等区间划分，利用每个区间的均值代表该区间序列，进而采用相应的符号进行描述，该算法可以实现时间序列的符号化表示，达到降维的目的，并能够通过MATLAB进行可视化描述

MSDN杂志提供的一个AES加密算法的代码示例，非常有用。
带中文帮助。

基于GM（1,1）模型的灰色算法改进，带残差修正的灰色算法java实现

对图像进行最邻近插值，提高图像的分辨率。

本源程序是网络课程的大作业，是实现一个名为twofish的加密算法，开发环境是vc++6.0，保证编译通过，而且附带有详细的文档。

蝙蝠算法(BA)是Yang教授于2010年基于群体智能提出的启发式搜索算法,是一种搜索全局最优解的有效方法。
该资源是Yang教师的蝙蝠算法matlab实现

android计算器开发源代码包含计算器算法的实现，调试成功，计算器能进行复合运算，能计算含log，ln，sin，cos等的复合运算；
文件建议为计算器android项目代码，可用编程工具导入后可调试可编辑；

“数据结构”是计算机科学与技术专业、软件工程专业甚至于其它电气信息类专业的重要专业基础课程。
它所讨论的知识内容和提倡的技术方法，无论对进一步学习计算机领域的其它课程，还是对从事大型信息工程的开发，都是重要而必备的基础。
程序设计解决问题往往有多种方法，且不同方法之间的效率可能相差甚远。
程序的时间和空间效率，不仅跟数据的组织方式有关，也跟处理流程的巧妙程度有关。
本课程将介绍并探讨有关数据组织、算法设计、时间和空间效率的概念和通用分析方法，帮助学员学会数据的组织方法和一些典型算法的实现，能够针对问题的应用背景分析，选择合适的数据结构，从而培养高级程序设计技能。

本框架提供了有关粒子群算法(PSO)和遗传算法(GA)的完整实现，以及一套关于改进、应用、测试、结果输出的完整框架。
本框架对粒子群算法与遗传算法进行逻辑解耦，对其中的改进点予以封装，进行模块化，使用者可以采取自己对该模块的改进替换默认实现组成新的改进算法与已有算法进行对比试验。
试验结果基于Excel文件输出，并可通过设定不同的迭代结束方式选择试验数据的输出方式，包括：1.输出随迭代次数变化的平均达优率数据（设定终止条件区间大于0）。
2.输出随迭代次数变化的平均最优值数据（设定终止条件区间等于0）。
本框架了包含了常用基准函数的实现以及遗传算法与粒子群算法对其的求解方案实现和对比，如TSP，01背包，Banana函数，Griewank函数等。
并提供大量工具方法，如KMeans，随机序列生成与无效序列修补方法等等。
对遗传算法的二进制编码，整数编码，实数编码，整数序列编码（用于求解TSP等），粒子群算法的各种拓扑结构，以及两种算法的参数各种更新方式均有实现，并提供接口供使用者实现新的改进方式并整合入框架进行试验。
其中还包括对PSO进行离散化的支持接口，和自己的设计一种离散PSO方法及其用以求解01背包问题的实现样例。
欢迎参考并提出宝贵意见，特别欢迎愿意协同更新修补代码的朋友(邮箱starffly@foxmail.com)。
代码已作为lakeast项目托管在GoogleCode:http://code.google.com/p/lakeasthttp://code.google.com/p/lakeast/downloads/list某些类的功能说明：org.lakest.common中：BoundaryType定义了一个枚举，表示变量超出约束范围时为恢复到约束范围所采用的处理方式，分别是NONE(不处理)，WRAP（加减若干整数个区间长度），BOUNCE（超出部分向区间内部折叠），STICK（取超出方向的最大限定值）。
Constraint定义了一个代表变量约束范围的类。
Functions定义了一系列基准函数的具体实现以供其他类统一调用。
InitializeException定义了一个代表程序初始化出现错误的异常类。
Randoms类的各个静态方法用以产生各种类型的随机数以及随机序列的快速产生。
Range类的实现了用以判断变量是否超出约束范围以及将超出约束范围的变量根据一定原则修补到约束范围的方法。
ToStringBuffer是一个将数组转换为其字符串表示的类。
org.lakeast.ga.skeleton中：AbstractChromosome定义了染色体的公共方法。
AbstractDomain是定义问题域有关的计算与参数的抽象类。
AbstractFactorGenerator定义产生交叉概率和变异概率的共同方法。
BinaryChromosome是采用二进制编码的染色体的具体实现类。
ConstantFactorGenerator是一个把交叉概率和变异概率定义为常量的参数产生器。
ConstraintSet用于在计算过程中保存和获取应用问题的各个维度的约束。
Domain是遗传算法求解中所有问题域必须实现的接口。
EncodingType是一个表明染色体编码类型的枚举，包括BINARY(二进制)，REAL(实数)，INTEGER(整型)。
Factor是交叉概率和变异概率的封装。
IFactorGenerator参数产生器的公共接口。
Population定义了染色体种群的行为，包括种群的迭代，轮盘赌选择和交叉以及最优个体的保存。
org.lakeast.ga.chromosome中：BinaryChromosome二进制编码染色体实现。
IntegerChromosome整数编码染色体实现。
RealChromosome实数编码染色体实现。
SequenceIntegerChromosome整数序列染色体实现。
org.lakeast.pso.skeleton中：AbstractDomain提供一个接口，将粒子的位置向量解释到离散空间，同时不干扰粒子的更新方式。
AbstractF

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。