标准的粒子群优化算法优化、求解CEC基准测试函数，算法有详细的注释，算法收敛曲线图，测试函数的代码表达式及图像（pdf）。

思维导图，包含了最优化问题中所有的算法记起分类和相关实现图片。
附华南理工大学matlab实现最优化问题求解的代码课件以及相关代码示例，详细版。

在机器人视觉系统中运用SIFT描述子对现实世界中的目标进行识别，这一研究已经取得了很大的进步。
运用SIFT生成的图像特征向量的性能十分稳定，对旋转、缩放、平移是保持不变性的，对一定程度目标遮挡、光照变化、视点变化、杂物场景和噪声等也能保持很好的不变性。
RANSAC算法早就已经是计算机视觉领域常用的一个进行矫正的标准方法，在标准的RANSAC算法基础上加入了假设评价，改进为R-RANSAC（TheRandomizedRANSAC）算法。
对这两个方面进行论述，运用SIFT（尺度不变特征变换）算法对双目机器人的两幅视觉图像进行匹配，采用带SPRT的R-RANSAC改进算法对匹配过程进行优化，尽可能在短的时间里完成匹配矫正，进而加速整个配准的时间。

哈尔滨工业大学机械优化设计经典教程。
《机械优化设计》第三版上所有的程序。

使用唯相位的方法实现阵列天线的波束赋形状，是使用基于DFP和BFGS变尺度优化算法来实现求值，是该算法的应用实例

之前找了很多利用遗传算法优化聚类数K值的程序，结果网上一堆程序不能用，只能自己写一个了。
该程序是基于matlab编写的，调用了kmeans函数和遗传算法工具箱，这个函数主要部分是在定义遗传算法的适应度函数上，最后取整数就是K值了。
程序附带了自己定义的排序函数，该函数的作用是先对一个矩阵里A列进行排序，然后在根据排序结果对B列进行排序，这样得到的最后结果是A\B列都排序的矩阵。

优化后的DSP28335，lcd1602参考程序，独立控制一组部分管脚

pmsm_程序近年来，在高性能全数字控制的电气传动系统中，作为电力电子逆变技术的关键，pwm技术从最初追求电压波形正弦，到电流波形正弦，再到磁通的正弦，取得了突飞猛进的发展［1］。
在众多正弦脉宽调制技术中，空间电压矢量pwm（或称svpwm）是一种优化的pwm技术，能明显减小逆变器输出电流的谐波成分及电机的谐波损耗，降低脉动转矩，且其控制简单，数字化实现方便，电压利用率高，已有取代传统spwm的趋势。
本文对空间电压矢量pwm的原理进行了深入分析，重点推导了每一扇区开关矢量的导通时间，并在ti公司生产的dsp上实现三相逆变器的控制，证明了分析的正确和可行性。

搜索下载了各种中英文停用词(哈工大、百度、四川人工智能实验室等等)，最终整理优化了一个合集，供项目使用

MATLAB神经网络30个案例分析（高清+源码）包括BP、RBF、SVM、SOM、Hopfield、LVQ、Elman、小波等神经网络。
MATLAB神经网络30个案例分析（高清+源码）该书共有30个MATLAB神经网络的案例(含可运行程序），包括BP、RBF、SVM、SOM、Hopfield、LVQ、Elman、小波等神经网络；
还包含PSO(粒子群）、灰色神经网络、模糊网络、概率神经网络、遗传算法优化等内容。
该书另有31个配套的教学视频帮助读者更深入地了解神经网络。
本书可作为本科毕业设计、研究生项目设计、博士低年级课题设计参考书籍，同时对广大科研人员也有很高的参考价值。
-------目录第1章P神经网络的数据分类——语音特征信号分类第2章BP神经网络的非线性系统建模——非线性函数拟合第3章遗传算法优化BP神经网络——非线性函数拟合第4章神经网络遗传算法函数极值寻优——非线性函数极值寻优第5章基于BP_Adaboost的强分类器设计——公司财务预警建模第6章PID神经元网络解耦控制算法——多变量系统控制第7章RBF网络的回归——非线性函数回归的实现第8章GRNN的数据预测——基于广义回归神经网络的货运量预测第9章离散Hopfield神经网络的联想记忆——数字识别第10章离散Hopfield神经网络的分类——高校科研能力评价第11章连续Hopfield神经网络的优化——旅行商问题优化计算第12章SVM的数据分类预测——意大利葡萄酒种类识别第13章SVM的参数优化——如何更好的提升分类器的性能第14章SVM的回归预测分析——上证指数开盘指数预测第15章SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测第16章自组织竞争网络在模式分类中的应用——患者癌症发病预测第17章SOM神经网络的数据分类——柴油机故障诊断第18章Elman神经网络的数据预测——电力负荷预测模型研究第19章概率神经网络的分类预测——基于PNN的变压器故障诊断第20章神经网络变量筛选——基于BP的神经网络变量筛选第21章LVQ神经网络的分类——乳腺肿瘤诊断第22章LVQ神经网络的预测——人脸朝向识别第23章小波神经网络的时间序列预测——短时交通流量预测第24章模糊神经网络的预测算法——嘉陵江水质评价第25章广义神经网络的聚类算法——网络入侵聚类第26章粒子群优化算法的寻优算法——非线性函数极值寻优第27章遗传算法优化计算——建模自变量降维第28章基于灰色神经网络的预测算法研究——订单需求预测第29章基于Kohonen网络的聚类算法——网络入侵聚类第30章神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类MATLAB

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。