传统的单片机系统监控程序通常是基于单任务机制的.这种机制具有简单直观、编程容易的优点.然而由于程序只能按单一的线索顺序执行,缺乏灵活性,在复杂系统中难以胜任.为了在更广泛的领域应用单片机系统,必须对传统的单任务机制进行改进.多任务机制是现代操作系统的突出优点.在这种机制下,CPU的运行时间被划分为许多小的时间片,通过某种调度算法按不同优先级别分配给不同的应用程序.多个应用程序分别在自已的时间片内访问CPU,从而造成微观上各程序分时使用处理器(轮流运行),宏观上并发运行的多任务效果.

根据国家统计局2018-06-20发布的统计用区划和城乡划分代码。
数据库有两部分，zh_areas是我整合的总表，其他的是省市县乡村5级的分表。
解压120M，共计720709行，删除了2行金门县的重复。

本帖代码和教程有Matlab技术论坛原创，原帖参见http://www.matlabsky.com/viewthread.php?tid=3885一、数值积分基本公式数值求积基本通用公式如下Eqn1.gif(1.63KB)2009-11-2023:23xk：求积节点Ak：求积系数，与f(x)无关数值积分要做的就是确定上式中的节点xk和系数Ak。
可以证明当求积系数Ak全为正时，上述数值积分计算过程是稳定。
二、插值型数值积分公式对f(x)给定的n+1个节点进行Lagrange多项式插值，故Eqn2.gif(2.95KB)2009-11-2023:23即求积系数为Eqn3.gif(3.29KB)2009-11-2023:23三、牛顿-柯特斯数值积分公式当求积节点在[a,b]等间距分布时，插值型积分公式（先使用Lagrange对节点进行多项式插值，再计算求积系数，最后求积分值）称为Newton-Cotes积分公式。
由于Newton-Cotes积分是通过Lagrange多项式插值变化而来的，我们都知道高次多项式插值会出现Runge振荡现象，因此会导致高阶Newton-Cotes公式不稳定。
Newton-Cotes积分公式的求积系数为Eqn4.gif(3.38KB)2009-11-2023:28其中C(k,n)称为柯特斯系数。
(1)当n=1时，Newton-Cotes公式即为梯形公式Eqn5.gif(1.68KB)2009-11-2023:28容易证明上式具有一次代数精度(对于Newton-Cotes积分公式，n为奇数时有n次迭代精度，n为偶数时具有n+1次精度，精度越高积分越精确，同时计算量也越大)(2)当n=2时，Newton-Cotes公式即为辛普森(Simpson)公式或者抛物线公式Eqn6.gif(2.04KB)2009-11-2023:28上式具有3次迭代精度(3)当n=4时，Newton-Cotes公式称为科特斯(Cotes)公式Eqn7.gif(2.68KB)2009-11-2023:28上式具有5次迭代精度。
由于n=3和n=2时具有相同的迭代精度，但是n=2时计算量小，故n=3的Newton-Cotes积分公式用的很少(4)当≥8时，通过计算可以知道，在n=8时柯特斯系数出现负值由于数值积分稳定的条件是求积系数Ak必须为正，所以n＞=8以上高阶Newton-Cotes公式，我们不能保证积分的稳定性(其根本原因是，Newton-Cotes公式是由Lagrange插值多项推导出来的，而高阶多项式会出现Rung现象)。
四、复化求解公式n阶Newton-Cotes公式只能有n+1个积分节点，但是高阶Newton-Cotes公式由不稳定。
为了提高大区间的数值积分精度，我们采用了分段积分的方法，即先将原区间划分成若干小区间，然后对每一个小区间使用Newton-Cotes积分公式，这就是复化Newton-Cotes求积公式。
(1)当n=1时，称为复化梯形公式。
将[a,b]等分为n份，子区间长度为h=(b-a)/n，则复化梯形公式为(注意：复化求解公式不需要求积子区间等间距，只是Newton-Cotes公式分段积分时自动对小区间进行等分，我们这里采用等分子区间是为了便于计算而已)Eqn8.gif(2.18KB)2009-11-2023:28(2)当n=2时，称为复化辛普森公式。
Eqn9.gif(2.96KB)2009-11-2023:28五、Newton-Cotes数值积分公式Matlab代码

在—个遥远的国家，SarkMevo所领导的政党最终击败了ReguelTekris王子领导的联合党派。
Mevo希望巩固他在首都地区的席位。
首都由14个街区组成，这些街区将分组为多个选区。
下图是首都地区的示意图。
在图中用数字1到14对这些街区进行了编号。
每个街区中的另外两个数字是预计该街区会投票给Mevo的选民数和该街区的选民总数。
所有选民都必须投票，且选举胜出方必须得到绝对多数选票。
一个选区可以由多个相邻的街区组成，且选区内总选民数应在30,000到100,000之间。
如果两个街区不相邻，例如12和13，则它们不能组成一个选区。
如果某个街区选民人数不少于50,000，则允许此街区单独作为一个选区。
但是由于Mevo本人就居住在街区10内，因此迫于舆论压力，他不能将这个街区单独作为一个选区。
请设计出一个将首都划分为5个选区的方案，以使Mevo得到的席位数最多。
如果这样做有困难，可以尝试划分为6个选区。

山西省乡镇级区划图，矢量地图。
包含省级边界。
网上收集资源，主要用于ArcGIS学习使用。
文件格式为shp图层。
区县级划分。

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。

中文文本分类语料（复旦）-训练集和测试集这个链接是训练集，本语料库由复旦大学李荣陆提供。
test_corpus为测试语料，共9833篇文档；
train_corpus为训练语料，共9804篇文档，两个预料各分为20个相同类别。
训练语料和测试语料基本按照1:1的比例来划分。
使用时尽量注明来源（复旦大学计算机信息与技术系国际数据库中心自然语言处理小组）。
文件较大，下载时请耐心等待。

打包文档包括：电力智能巡检系统需求分析说明书、系统功能划分图.vsd、角色管理用例图.vsd、缺陷查询打印用例图.vsd、系统配置类型管理活动图.vsd、消缺查询打印活动图.vsd、电力巡检系统原型HTML、驳回后修改回执录入、电力巡检系统.rp等。
原型文件夹中的.rp文件：为原型设计源文件，打开方式：AxureRPPro7.0Beta需求文件夹中：.vsd文件为用例图，打开方式：MicrosoftOfficeVisio

实现由关联矩阵（由excel表格导入）生成可达矩阵，由可达矩阵经过相关规则得出级别划分。

已划分训练集、测试集、验证集，亚洲人面部图像，多姿势，多表情，已划分标签。
针对深度学习中人脸各种识别任务训练、测试以及验证

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。