王劲峰研究员提出的空间分异性探测工具地理探测器免费下载。
如无积分可在官网Geodetector.cn免费下载,也可通过此帖直接下载。
空间分异是自然和社会经济过程的空间表现，也是自亚里士多德以来人类认识自然的重要途径。
地理探测器是探测空间分异性，以及揭示其背后驱动因子的一种新的统计学方法，此方法无线性假设，具有优雅的形式和明确的物理含义。
基本思想是：假设研究区分为若干子区域，如果子区域的方差之和小于区域总方差，则存在空间分异性；
如果两变量的空间分布趋于一致，则两者存在统计关联性。
地理探测器q统计量，可用以度量空间分异性、探测解释因子、分析变量之间交互关系，已经在自然和社会科学多领域应用。
本文阐述地理探测器的原理，并对其特点及应用进行了归纳总结，以利于读者方便灵活地使用地理探测器来认识、挖掘和利用空间分异性

一、利用行列式比估计模型的阶次2二、利用残差的方差估计模型的阶次3三、利用Akaike准则估计模型的阶次4四、利用最终预报误差准则估计模型的阶次5五、根据Hankel矩阵的秩估计模型的阶次7附录1利用行列式比估计模型的阶次9附录2利用残差的方差估计模型的阶次11附录3利用Akaike准则估计模型的阶次13附录4利用最终预报误差准则估计模型的阶次15附录5利用Hankel矩阵的秩估计模型的阶次17

k-means算法接受输入量k；
然后将n个数据对象划分为k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；
而不同聚类中的对象相似度较小。
聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。
　　k-means算法的工作过程说明如下：首先从n个数据对象任意选择k个对象作为初始聚类中心；
而对于所剩下其它对象，则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类；
然后再计算每个所获新聚类的聚类中心（该聚类中所有对象的均值）；
不断重复这一过程直到标准测度函数开始收敛为止。
一般都采用均方差作为标准测度函数.k个聚类具有以下特点：各聚类本身尽可能的紧凑，而各聚类之间尽可能的分开。

用matlab详细编写了一个ALLAN方差的程序，经过了调试可以绘制角度随机游走、速率斜坡等噪声分析模型。

阿伦方差的计算，并以此画出图形，可以比较不同的采样间隔下的方差。
-Allenvariancecalculation,andtodrawgraphics,youcancomparedifferentsamplingintervalofthevariance.

提出了一种新的基于二维靶标的球面模型鱼眼镜头标定方法。
根据球面成像模型中圆弧上的点与图像坐标系像点之间的约束关系，利用平面靶上的一根直线上的点，初步估计出摄像头的内部参数。
利用平面靶上棋盘格角点在世界坐标系上的坐标点与其在球面坐标系下坐标的映射关系，求出相应的外部参数的初始值。
以这些角点在图像中的实际坐标与重投影后坐标之间的均方差为优化参数，进行非线性优化，求出内部参数，畸变系数和外部参数的精确解。
通过实验验证，该方法能够快速的估计鱼眼镜头的内、外部参数的初始值，具有较高的精度，能够满足实际应用的需求。

详细的matlab编程，及内容带有详细的注释，方遍初学者学习

实用的平方根容积卡尔曼滤波算法，有效地解决了方差矩阵失去正定性的问题，可以很好地收敛，取得很好地跟踪效果。
源程序中绘制了图形，方便直观地看出滤波前后的效果。

用QT（不使用任何第三方库）编程实现ImageProcessing菜单下面的所有功能。
(1)OpenBMPfile打开一个BMP文件，并在窗口中显示出来。
(2)SavetonewBMPfile将当前视图保存为一个新的BMP文件（先弹出一个对话框，输入一个BMP文件名）。
(3)Displayfileheader按如下的格式显示文件头信息：(4)Getpixelvalue取某个位置像素的颜色值，并显示出来。
(5)Setpixelvalue设置某个位置像素的颜色值，并显示出来。
功能(4)和(5)所需的参数从对话框中获取。
前面5个功能对灰度图像和彩色图像都适用，后面的功能仅要求针对灰度图像。
(6)Imageinterpolation图像缩放：x和y方向的缩放因子、插值算法选择（最邻近和双线性），从对话框中获取。
需要将图像缩放的结果显示出来。
(7)Medianfiltering实现3x3的中值滤波，并将结果显示出来。
(8)Gaussiansmoothing从对话框中获取高斯函数的均方差，对图像做高斯平滑，并将结果显示出来。

现代信号谱分析·目录第1章　基本概念1.1　引言1.2　确定信号的能量谱密度1.3　随机信号的功率谱密度1.4　功率谱密度的性质1.5　谱估计问题1.6　补充内容1.7　习题第2章　非参数化方法2.1引言2.2　周期图和相关图方法2.3　用FFT计算周期图2.4　周期图法的性质2.5　Blackman－Tukey方法2.6　窗函数设计中需考虑的问题2.7　其他改进的周期图方法2.8　补充内容2.9　习题第3章　有理谱估计的参数化方法3.1引言3.2　有理谱信号3.3ARMA过程的协方差结构3.4AR信号3.5Yule-Walker方程的阶递推解法3.6MA信号3.7ARMA信号3.8　多变量ARMA信号3.9　补充内容3.10　习题第4章　线谱估计的参数化方法4.1引言4.2　噪声中的正弦信号模型4.3　非线性最小二乘方法4.4　高阶Yule-Walker方法4.5　Pisarenko和MUSIC方法4.6　最小模方法4.7　ESPRIT方法4.8　前向－后向方法4.9　补充内容4.10　习题第5章　滤波器组方法5.1　引言5.2　周期图的滤波器组解释5.3　改进的滤波器组方法5.4　Capon方法5.5　用滤波器组进一步解释周期图5.6　补充内容5.7　习题第6章　空域方法6.1引言6.2　阵列模型6.3　非参数化方法6.4　参数化方法6.5　补充内容6.6　习题附录A　线性代数和矩阵分析工具附录B　Cramer-Rao界分析工具附录C　模型阶数选择方法附录D　部分习题答案参考文献

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。