LCD12864驱动程序（并口通信，带字库版本ST7920,内含简单的画点、线、圆、矩形和三角形函数以及任意尺寸图像显示。
资料内附带有完整的Keil工程文件，并且每个函数都带有完整而详细的注释。
到手可用无需修改与调。
试需要注意的地方：如果您使用的是其他型号的单片机例如：STC12,STC15等时，需要你设置一下单片机IO口的模式，否则会无法正常显示。

在本文中，我们主要关注具有量化输入反馈和任意数据包损失的离散线性系统的稳定性问题。
详细分析了最粗糙的量化策略，以确保系统的渐近稳定性。
如果最粗糙的量化器是对数的，渐近稳定该系统的必要和充分条件被转化为代数Riccati方程，然后转化为一些LMI。
然后获得对数量化器的量化密度在所有与丢包有关的Lyapunov函数上的最小值根据这些LMI。
此外，我们还证明了对数量化器的扇区绑定方法对于具有任意数据包丢失的系统仍然有效。
渐近稳定性问题可以转换为具有扇区边界不确定性的鲁棒控制问题。
不确定系统的鲁棒稳定性被公式化为一些LMI。
最后，给出一个例子来说明本文结果的有效性。

本书的第１章简要地介绍了MATLAB的基本知识和编程中常用的语句及函数，使者能够阅读本书各章节中的程序。
第２章系统地介绍了有限元的理论基础———微分方程的近似解法。
这部分内容在一的有限元书籍中是很少介绍的，它不仅可以使我们了解有限元的发展过程，也能够使读者加深对有限元方法的理解。
第３章介绍了广义坐标有限元方法。
它是物理坐标下的直接方法，读者可以通过该章的学习了解和掌握有限元方法的一般步骤。
第４章简要介绍了有限元编程方法。
与大多数有限元书籍不同的是，用其他高级语言编写有限元程序时所需的一般编程技巧在MATLAB中不再需要，因此，本书不再赘述。
第５章详细讨论了构造单元和插值函数的原则和方法，并着重讨论了在实际中有着广泛应用的等参数单元的构造方法和表达格式，以及与广义坐标单元的变换方法。
第６章和第７章讨论了杆系结构有限元问题。
由于杆系结构与一般的二维和三维弹性体结构有较大的区别，因此，杆系结构的单元及其插值函数是区别于一般二维和三维单元的特殊单元，同时，桁架的杆单元和框架的梁单元也是完全不同的两类单元。
第８章详细讨论了一般弹性力学问题的有限元方法，包括稳定问题和动力学问题。
第９章讨论了板问题的有限元方法，其中介绍了多种类型和不同位移模式的板单元，包括用于复合材料结构的层状单元。
第１０章介绍了系统建模、线性系统分析及结构振动控制的基础知识，并详细地介绍了如何用MATLAB来实现。

1设计思想1.1选题主要任务扩频通信具有很强的抗干扰能力和安全性，最早出现于军事的通信领域，近年来，扩频通信也广泛的应用于民用的领域。
扩频通信主要包括直接序列扩频（DSSS）和跳频扩频（FHSS）两种方式。
具体的实现方式是将待传送的信息数据经随机编码调制，实现频谱扩展后再传输；
接收端则采用相同的编码进行解调及相关处理，恢复原始信息数据。
1.2选题目的跳频通信系统是一种典型扩展频谱通信系统。
利用Matlab工具箱中的Simulink通信仿真模块和Matlab函数进行跳频扩频通信系统进行分析和仿真，在对比存在噪声干扰的情况下，

试编写一段递归子程序计算ackermann函数ACK(m,n)。
对于m≥0和n≥0的ACK(m,n)函数定义如下：ACK(0,n)=n+1ACK(m,0)=ACK(m-1,1)ACK(m,n)=ACK(m-1,ACK(m,n-1))程序要求：⑴m、n在主程序从键盘输入，输入错误显示“m和n输入错误”。
⑵显示计算结果。

MATLAB源代码，一维有限深方势阱，量子力学专业课程，求解能级与波函数

本资源带有源码和说明书。
EEG&ERP;数据分析处理软件是针对脑电数据(EEG)和事件相关电位(ERP)数据的处理分析程序。
本系统是采用MATLABR2016B编写的同时调用了部分EEGLAB的函数。
可实现对数据的读取，查看电极优选及预处理和分析。
也是一个GUI开发实例。

将二维数组传递给本函数，本函数会将数组显示为图像。
注意数组传递前需先转换为char型。
图像显示是windows编程的基础，本程序可作为一个子函数用于调用，可同时显示多张图像。

Excel自定义函数智能提示插件及示例

基于哈希的最近邻居搜索已在许多应用程序中变得有吸引力。
但是，在使用汉明距离排序时，散列中的量化通常会降低判别能力。
此外，对于大规模的视觉搜索，现有的散列方法不能直接支持对具有多个源的数据进行有效搜索，而文献表明自适应地合并来自不同源或视图的补充信息可以显着提高搜索性能。
为了解决这些问题，本文提出了一种新颖且通用的方法来构建具有多个视图的多个哈希表，并在按位和按表级别生成细粒度的排名结果。
对于每个哈希表，引入了查询自适应按位加权，以通过同时利用哈希函数的质量及其对最近邻居搜索的补充来减轻量化损失。
从表格的角度来看，针对不同的数据视图构建了多个哈希表作为联合索引，在该哈希表上，提出了特定于查询的排名融合，以通过散布在图表中对按位排名的所有结果进行排名。
在三个著名基准上进行图像搜索的综合实验表明，与最新方法相比，该方法在单表和多表搜索中可分别实现17.11％和20.28％的性能提升。

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。