理论上讲本程序只适用于管流（内流），对于非管流情况下使用本程序可能出现错误结果。
界面中的流体密度、流体速度、特征长度、动力粘度是要求用户输入的参数，其中特征长度普通指的是水力直径。
常用材料中列出的材料可供用户选择，选择材料之后，该材料的密度和粘度会自动输入。

周志华的《机器学习》第83页的决策树延续值处理中以西瓜为案例，计算延续值“密度”的信息增益

数据挖掘算法算法目录18大DM算法包名 目录名 算法名AssociationAnalysis DataMining_Apriori Apriori-关联规则挖掘算法AssociationAnalysis DataMining_FPTree FPTree-频繁模式树算法BaggingAndBoosting DataMining_AdaBoost AdaBoost-装袋提升算法Classification DataMining_CART CART-分类回归树算法Classification DataMining_ID3 ID3-决策树分类算法Classification DataMining_KNN KNN-k最近邻算法工具类Classification DataMining_NaiveBayes NaiveBayes-朴素贝叶斯算法Clustering DataMining_BIRCH BIRCH-层次聚类算法Clustering DataMining_KMeans KMeans-K均值算法GraphMining DataMining_GSpan GSpan-频繁子图挖掘算法IntegratedMining DataMining_CBA CBA-基于关联规则的分类算法LinkMining DataMining_HITS HITS-链接分析算法LinkMining DataMining_PageRank PageRank-网页重要性/排名算法RoughSets DataMining_RoughSets RoughSets-粗糙集属性约简算法SequentialPatterns DataMining_GSP GSP-序列模式分析算法SequentialPatterns DataMining_PrefixSpan PrefixSpan-序列模式分析算法StatisticalLearning DataMining_EM EM-期望最大化算法StatisticalLearning DataMining_SVM SVM-支持向量机算法其他经典DM算法包名 目录名 算法名Others DataMining_ACO ACO-蚁群算法Others DataMining_BayesNetwork BayesNetwork-贝叶斯网络算法Others DataMining_CABDDCC CABDDCC-基于连通图的分裂聚类算法Others DataMining_Chameleon Chameleon-两阶段合并聚类算法Others DataMining_DBSCAN DBSCAN-基于密度的聚类算法Others DataMining_GA GA-遗传算法Others DataMining_GA_Maze GA_Maze-遗传算法在走迷宫游戏中的应用算法Others DataMining_KDTree KDTree-k维空间关键数据检索算法工具类Others DataMining_MSApriori MSApriori-基于多支持度的Apriori算法Others DataMining_RandomForest RandomForest-随机森林算法Others DataMining_TAN TAN-树型朴素贝叶斯算法Others DataMining_Viterbi Viterbi-维特比算法18大经典DM算法18大数据挖掘的经典算法以及代码实现，涉及到了决策分类，聚类，链接挖掘，关联挖掘，模式挖掘等等方面,后面都是相应算法的博文链接，希望能够协助大家学。
目前追加了其他的一些经典的DM算法，在others的包中涉及聚类，分类，图算法，搜索算等等，没有具体分类。
C4.5C4.5算法与ID3算法一样，都是数学分类算法，C4.5算法是ID3算法的一个改进。
ID3算法采用信息增益进行决策判断，而C4.5采用的是增益率。
详细介绍链接CARTCART算法的全称是分类回归树算法，他是一个二元分类，采用的是类似于熵的基尼指数作为分类决策，形成决策树后之后还要进行剪枝，我自己在实现整个算法的时候采用的是代价复杂度算法，详细介绍链接KNNK最近邻算法。
给定一些已经训练好的数据，输入一个新的测试数据点，计算包含于此测试数据点的最近的点的分类情况，哪个分类的类型占多数，则此测试点的分类与此相同，所以在这里,有的时候可以复制不同的分类点不同的权重。
近的点的权重大点，远的点自然就小点。
详细介绍链接NaiveBayes朴素贝叶斯算法。
朴素贝叶斯算法是贝叶斯算法里面一种比较简单的分类算法，用到了一个比较重要的贝叶斯定理，用一句简单的话概括就是条件概率的相互转换推导

路灯照度灯计较小工具。
可以方便的计较道路照度及照度均匀度，功率密度值等。

这个插件允许您通过生成真正容积的程序光束来大大改善场景的照明。
这是模仿聚光灯和手电筒的密度，深度和音量的完美，简单而便宜的方法

针对高功率密度运转下的光纤激光对其适用的光纤器件的许多特殊要求,设计了高功率密度下光纤功能的测试系统。
综合比较论证了截断法、插入损耗法、后向散射法三种测试方法。
基于插入损耗法设计了双光路光纤测量系统,通过双光路同时测量被测光纤和参考光纤的插入损耗,利用参考光纤光路监控校准输入信号光功率,提高测量精度。
对系统的测试方法和测量参量理论上进行了推导和说明,分析了系统的传输效率,设计测量精度可达到插入损耗不大于0.5dB,回波损耗不小于50dB。

运用MATLAB编程对威布尔概率密度函数进行绘制。

模式识别miniproject-脱机手写签名识别，这是每个学习模式识别的同学必做的课程设计miniproject，主要功能要求如下：一共有20个人，在其对应的文件夹中存放了每个人的20个手写签名图像，每幅图像均为PCX图像格式，大小为12994像素大小。
对每个人的手写签名，用其中80%的图像作为训练样本进行训练，用余下的20%的图像进行测试。
在签名图像进行特征提取时，提取6个ET1和6个DT12轮廓特征。
每一个人的手写签名特征假设为48维特征空间的多维高斯分布。
用贝叶斯参数估计法估算概率密度函数（pdf），然后用Bayes分类器识别。
分别计算closetest和opentest下的分类功能。
根据每个类的概率分布函数的最近邻估算来计算贝叶斯识别的opentest识别率。
适用kn最近邻法来直接估算每个类在每个测试样本的后验概率并计算opentest下的分类功能，将该识别率表示为一个关于k的函数并绘图。
这些是基于后验概率的非参数估计的贝叶斯估计。

引见了制作低密度闪耀光栅的过程,在制作时,对传统的制作过程进行了改进,有效提高了制作质量。
以40μm闪耀光栅为例引见了制作的过程,得到了良好的光栅表面形貌,并且闪耀级次的衍射效率达到了70%以上。
相比传统的制作方法,效率提高了5%～10%。
对比了理论上的衍射效率,分析了实验误差,发现把存在对准误差的光栅进行处理将会有效地提高其衍射效率,为进一步提高闪耀光栅的衍射效率提供了依据。

在氩气辅助下，利用光纤激光水下切割1mm厚304不锈钢板。
通过切缝平均宽度研究激光功率、切割速度、水层厚度、水体条件等对切割效率及切割质量的影响规律。
宏观上，激光功率过低、切割速度过快、水层过厚等因素会降低激光切割效率和质量。
在模仿海洋环境的盐水中进行切割试验，水的高盐度和低温大大降低了切割效率。
微观上，熔化区、热影响区（HAZ）和基体的组织成分、显微硬度各异，熔化区边缘出现表面形核现象，熔化区晶胞尺寸随着激光能量密度增大而增大；
热影响区组织粗大，显微硬度低于基体与熔化区硬度。
熔化区边缘硬度达到242.8HV，局部氧化区域硬度高达963HV，是基体硬度的4.3倍；
熔化区中部硬度为165.1HV；
热影响区硬度为124.6HV，不锈钢基体硬度为223.4HV。

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。