ChickenSwarmOptimization（CSO）鸡群优化算法，2014年提出的群智能优化算法。
BirdSwarmAlgorithm（BSA）鸟群算法，2015年最新的群智能优化算法。
作为两种全新的群智能优化算法，CSO和BSA都具有简单，良好扩展性的特点，是天然的多种群算法！http://cn.mathworks.com/matlabce...7597-xian-bing-meng有关算法信息，可在上述网站查询。
希望对大家有用！

ENVI是以模块化的方式提供给用户的，可使用户根据自己的应用要求、资金情况合理地选择不同功能模块及其不同组合，对系统进行剪裁，充分利用软硬件资源，并最大限度地满足用户的专业应用要求。
ENVI面向不同需求的用户，对于系统的扩展功能采用开放的体系结构以ENVIRT、ENVI+IDL的形式为用户提供了两种环境的产品架构，并有丰富的功能扩展模块供用户选择，使产品模块的组合具有极大的灵活性。

步态识别的准确性容易受到衣着类型及携带背包等局部变化的影响。
针对这一问题，首先提出一种基于局部信息熵值的子模式划分方法；
然后对正常行走和局部变化两种状态下的每一对子特征进行典型相关分析，得到多个最佳投影矩阵对，并将子特征分别投影到基于上述最佳投影矩阵对的特征子空间中；
最后以整体相关系数作为分类依据，以减小局部变化对于整体识别结果的影响。
在CASIA-B数据库上的实验表明在所有视角下所提算法都能取得较好的性能。

……有详细分析报告……实验内容[问题描述]　　对给定图，实现图的深度优先遍历和广度优先遍历。
[基本要求]　　　以邻接表为存储结构，实现连通无向图的深度优先和广度优先遍历。
以用户指定的结点为起点，分别输出每种遍历下的结点访问序列。
【测试数据】　　由学生依据软件工程的测试技术自己确定。
三、实验前的准备工作1、掌握图的相关概念。
2、掌握图的逻辑结构和存储结构。
3、掌握图的两种遍历算法的实现。
四、实验报告要求1、实验报告要按照实验报告格式规范书写。
2、实验上要写出多批测试数据的运行结果。
3、结合运行结果，对程序进行分析。

高功率光纤激光器在工业加工、材料处理等领域有着诸多应用，得到国内外研究机构的广泛关注。
目前，高功率光纤激光器主要有两种结构，一种是直接振荡器结构，一种是主振荡功率放大结构。
采用振荡器结构的光纤激光器具有结构简单、稳定性好、成本低廉等优点，是目前中低功率激光器市场使用较多的一类方案。
2013年，国防科学技术大学基于单端抽运结构实现了输出功率1kW的全光纤振荡器；
2014年，又将该方案的输出功率提高到1.5kW。
2014年，芬兰CoreLase公司推出了2kW的全光纤振荡器产品，美国相干公司基于空间结构实现了3kW的光纤振荡器。
但是，由于热效应、非线性效应的限制，尚未出现相关输出功率大于2

1．两个串相等的充要条件是（）。
A．串长度相等B．串长度任意C．串中各位置字符任意D．串中各位置字符均对应相等2．对称矩阵的压缩存储：以行序为主序存储下三角中的元素，包括对角线上的元素。
二维下标为(i,j),存储空间的一维下标为k，给出k与i,j(i＜j)的关系k=（）（1＜=i,j＜=n,0＜=k＜n*(n+1)/2)。
A．i*(i-1)/2+j-1B．i*(i+1)/2+jC．j*(j-1)/2+i-1D．j*(j+1)/2+i3．二维数组A[7][8]以列序为主序的存储，计算数组元素A[5][3]的一维存储空间下标k=（）。
A．38B．43C．26D．294．已知一维数组A采用顺序存储结构，每个元素占用4个存储单元，第9个元素的地址为144，则第一个元素的地址是（）。
A．108B.180C.176D.1125.下面（）不属于特殊矩阵。
A．对角矩阵B.三角矩阵C.稀疏矩阵D.对称矩阵6.假设二维数组M[1..3,1..3]无论采用行优先还是列优先存储，其基地址相同，那么在两种存储方式下有相同地址的元素有（）个。
A.3B.2C.1D.07.若Tail(L)非空，Tail(Tail(L))为空，则非空广义表L的长度是（）。
(其中Tail表示取非空广义表的表尾)A.3B.2C.1D.08．串的长度是（）。
A．串中不同字母的个数B．串中不同字符的个数C．串中所含字符的个数，且大于0D．串中所含字符的个数9．已知广义表((),(a),(b,c,(d),((d,f))))，则以下说法正确的是（）。
A．表长为3，表头为空表，表尾为((a),(b,c,(d),((d,f))))B．表长为3，表头为空表，表尾为(b,c,(d),((d,f)))C．表长为4，表头为空表，表尾为((d,f))D．表长为3，表头为(())，表尾为((a),(b,c,(d),((d,f))))10．广义表A=(a,b,c,(d,(e,f)))，则Head(Tail(Tail(Tail(A))))的值为（）。
(Head与Tail分别是取表头和表尾的函数)A．(d,(e,f))B．dC．fD．(e,f)二、填空题（每空2分，共8分）。
1．一个广义表为F=(a,(a,b),d,e,(i,j),k)，则该广义表的长度为________________。
GetHead(GetTail(F))=_______________。
2．一个n*n的对称矩阵，如果以行或列为主序压缩存放入内存，则需要个存储单元。
3．有稀疏矩阵如下：005700-300040020它的三元组存储形式为:。
三、综合题（共22分）。
1．（共8分）稀疏矩阵如下图所示，描述其三元组的存储表示，以及转置后的三元组表示。
0-30004060000007015080转置前（4分）：转置后（4分）：2.（共14分）稀疏矩阵M的三元组表如下，请填写M的转置矩阵T的三元组表，并按要求完成算法。
（1）写出M矩阵转置后的三元组存储（6分）：M的三元组表：T的三元组表：ije2133244254

摘要:遗传算法(GA)和人工神经网络(ANN)的相互结合有辅助式和合作式两种方式.本文在此基础上提出了融合、BP_GA和GA_BP三种算法,并采用GA_BP算法同时优化BP神经网络的结构、权值和阈值,研究和实现了一套先进的编码技术和进化策略,克服了传统BP神经网络经验尝试方法的盲目性.实例优化与检验结果表明:遗传算法优化获得的神经网络比由经验尝试法得到的BP网络性能更优异,方法更合理.关键词:遗传算法:神经网络;拓扑结构;权值

Myeclipse2017ci7安装activiti5.18.0；
鉴于eclipse或者myEclipse安装Activitidesigner插件好多同学都安装失败，博主也是第一次安装死活失败，所以本篇讲解eclipse和myeclipse两种开发工具安装Activitidesigner插件，帮助同学迈过Activiti学习之旅的第一个坎。

本书共包含投票系统、通讯簿管理系统、新闻发布系统、软件下载中心、电子书店系统和论坛系统等六个系统。
这六个系统均使用JSP语言和HTML标记语言编写完成的。
要想运行该程序，还要进行如下操作：(1)安装JDK1.4.0或以上版本。
(2)安装ApacheTomcat4.0或以上版本。
(3)配置ODBC数据源。
数据源名按各系统所使用的名称配置，具体名称如下①投票系统的数据源名：vote②通讯簿管理系统的数据源名：user③新闻发布系统的数据源名：news④软件下载中心的数据源名：download⑤电子书店系统的数据源名：bookstore⑥论坛系统的数据源名：forumvote文件夹包含的是投票系统的源代码。
投票系统分为普通用户访问界面和管理员访问界面两部分。
普通用户访问界面由index.jsp页面进入，不需要用户名和密码；
管理员访问界面由login.jsp页面进入，管理员用户名是：admin，密码是：admin。
userinfo文件夹包含的是通讯簿管理系统的源代码。
通讯簿管理系统分为普通用户访问界面和管理员访问界面两部分。
两种用户均通过login.htm页面进入系统，所使用的用户名的身份不同即进入不同的访问界面。
用户名和密码可以在数据库mydb中的user数据表中查询。
news文件夹包含的是新闻发布系统的源代码。
新闻发布系统分为普通用户访问界面和管理员访问界面两部分。
普通用户访问界面使用index.jsp页面进入，不需要用户名和密码；
管理员访问用户界面使用login.jsp页面进入，管理员的用户名是：admin，密码是：admin。
download文件夹包含的是软件下载中心的源代码。
软件下载中心分为普通用户访问界面和管理员访问界面两部分。
普通用户访问界面使用index.jsp页面进入，不需要用户名和密码；
管理员访问用户界面使用login.jsp页面进入，管理员的用户名是：admin，密码是：admin。
bookstore文件夹包含的是电子书店的源代码。
电子书店分为普通用户访问界面和管理员访问界面两部分。
两种用户均通过login.jsp页面进入系统，所使用的用户名的身份不同即进入不同的访问界面。
用户名和密码可以在数据库book中的user数据表中查询。
forum文件夹包含的是论坛系统的源代码。
论坛系统分为普通用户访问界面、版主访问界面和管理员访问界面三部分。
三种用户均通过login.jsp页面进入系统，所使用的用户名的身份不同即进入不同的访问界面。
用户名和密码可以在数据库forum中的user数据表中查询。
由于编者水平有限，编写时间仓促，书中错误和不妥之处在所难免，请读者和专家批评指正。
，

功能描述：对于含有多个要素的矢量文件shp、栅格影像raster，按照shp中的各要素范围，逐个对raster进行提取，并保存到文件夹中效果如图所示：主要思路：1）获取矢量图层、栅格图层2）遍历矢量图层中的要素3）按要素裁剪栅格（有Spatial Analysis-ExtractByMask；
Clip_management两种方法）代码：#-*-coding:utf-8-*-#@Time:2020/1/815:04#@Author:ZhaoHL#@File:extractbymask.pyimportarcpyimport

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。