针对煤矿井下电磁干扰严重，电力线与信号线铺设距离较近，当电力线产生浪涌电压时会对信号线传输的信号产生较大干扰，导致接收器接收信号错误，引起误报或错报问题，应用多导体传输线理论，对电力线、信号线和参考大地建立模型；
同时由于传输线重力相差较大，以及煤矿下非线性大型设备众多，应用FDTD（时域有限差分法）求解不平行多导体传输线在各时空离散点处的电压、电流迭代计算式；
通过MATLAB编程研究了当电力线产生浪涌电压时对信号线的干扰，探讨了当传输线长度改变，电力线与信号线之间距离改变，信号线离地高度改变时，信号线终端电压的变化情况，为提高安监系统的可靠性提供依据，对保障煤矿安全具有重大意义。

实现了计算机网络中距离向量（DV）算法；
开发语言：C开发环境：VC++6.0内有整个工程文件，可直接运行

IDW的源代码哦！要的速度下！还带了讲解！

《恒华一点通HDLink》是针对测绘单位对各种全站仪的数据格式处理等方面开发的一个应用型软件，其界面简单，操作方面快捷，无数据垃圾等优点。
本软件在电子水准上有独到的功能，可以随意转换到ExcelWord等软件，并且自动检查错误，计算并自动转换到全国使用最为广泛的平差软件(cosa)科傻软件。
在功能上也做了很大的改进：1、轻松完成各种全站仪、电子水准仪的数据下载。
2、完成现有市场上常见的全站仪包括天宝、蔡司、宾得、拓普康、索佳等仪器的数据格式之间的任意转换。
(cass、SCS、SV3000、CBW、Epsw、Read、SLCAD、Dxf、Cosa、csv)3、完成各种电子水准的数据格式转换成科傻平差格式、[距离定权、测站定权]、清华三维平差格式。
4、完成各种电子水准(天宝Trimble、徕卡Leica、蔡司Zeiss、拓普康Topcon、索佳Sokkia、中纬)的数据格式转换成各种观测手簿格式。
同时支持仪器中的9种模式"偶数进站"（BF、BBFF、aBBFF、aBFBF、BFFB、aBFFB等），可以生成江苏的手簿格式、银川格式、京沪高铁格式、上海格式、成都格式等。
同时支持观测手簿的格式生成M5格式（特定格式）和M5格式的地址自动更新，往返测的数据互换。
并支持根据数据中的属性已知点（YZ）和平差点（P）（j支导线tl）,自动生成科傻和清华三维平差格式。
5、完成经纬仪加测距仪的数据自动转换到碎步格式文件。
6、完成换带计算和北京54到北京地方的转换。
7、实现全站仪观测数据轻松变换到道亨oog文件或者org文件。
8、可以完成可视化的正反算工作；
完成GPS的GGA文件提取NEH,佳明(Garmin)手持机的txt到AutoCAD的dxf格式。

51单片机源代码，keil工程文件，超声波测距，LCD1602显示屏显示测试距离

本资源是ISODATA聚类算法的matlab代码，其中包括isodata.m（ISODATA算法代码，其中包括了合并分裂等一系列子函数）、provaisodata.m（算法实例调用代码）和dades.mat（存放实例数据变量的文件）三个文件，并且每个函数都有详细的中文注释，而非原来的西班牙语注释。
ISODATA算法是在k-均值算法的基础上，增加对聚类结果的“合并”和“分裂”两个操作，并设定算法运行控制参数的一种聚类算法。
全称：IterativeSelforganizingDataAnalysisTechniquesAlgorithm即：迭代自组织数据分析算法。
“合并”操作：当聚类结果某一类中样本数太少，或两个类间的距离太近时，进行合并。
“分裂”操作：当聚类结果某一类中样本某个特征类内方差太大，将该类进行分裂。

利用GPS上传经纬度，实现了搜索附近的人功能，源码只是实现了搜索并显示，并没有进行过滤，你可以根据自己的情况，根据距离、性别等去过滤

将接收信号强度RSSI转化为距离，发射信号经衰减到达接收端,根据接收信号的强弱计算T-R距离

用C++编写，实现物流分配，其中要包括最短路径，时间，路费几方面选取最佳路径。
单方面的距离最短路径查询及显示，最短时间及显示，最短路费及显示。
做成一个物流分配的模拟系统，有用户的账号密码，最好能打印出地图，添加删除路径，等等

现在我们回到LDA的原理上，我们在第一节说讲到了LDA希望投影后希望同一种类别数据的投影点尽可能的接近，而不同类别的数据的类别中心之间的距离尽可能的大，但是这只是一个感官的度量。
现在我们首先从比较简单的二类LDA入手，严谨的分析LDA的原理。
　　　　假设我们的数据集D={(x1,y1),(x2,y2),...,((xm,ym))}D={(x1,y1),(x2,y2),...,((xm,ym))},其中任意样本xixi为n维向量，yi∈{0,1}yi∈{0,1}。
我们定义Nj(j=0,1)Nj(j=0,1)为第j类样本的个数，Xj(j=0,1)Xj(j=0,1)为第j类样本的集合，而μj(j=0,1)μj(j=0,1)为第j类样本的均值向量，定义Σj(j=0,1)Σj(j=0,1)为第j类样本的协方差矩阵（严格说是缺少分母部分的协方差矩阵）。
　　　　μjμj的表达式为：μj=1Nj∑x∈Xjx(j=0,1)μj=1Nj∑x∈Xjx(j=0,1)　　　　ΣjΣj的表达式为：Σj=∑x∈Xj(x−μj)(x−μj)T(j=0,1)Σj=∑x∈Xj(x−μj)(x−μj)T(j=0,1)　　　　由于是两类数据，因此我们只需要将数据投影到一条直线上即可。
假设我们的投影直线是向量ww,则对任意一个样本本xixi,它在直线ww的投影为wTxiwTxi,对于我们的两个类别的中心点μ0,μ1μ0,μ1,在在直线ww的投影为wTμ0wTμ0和wTμ1wTμ1。
由于LDA需要让不同类别的数据的类别中心之间的距离尽可能的大，也就是我们要最大化||wTμ0−wTμ1||22||wTμ0−wTμ1||22,同时我们希望同一种类别数据的投影点尽可能的接近，也就是要同类样本投影点的协方差wTΣ0wwTΣ0w和wTΣ1wwTΣ1w尽可能的小，即最小化wTΣ0w+wTΣ1wwTΣ0w+wTΣ1w。
综上所述，我们的优化目标为：argmaxwJ(w)=||wTμ0−wTμ1||22wTΣ0w+wTΣ1w=wT(μ0−μ1)(μ0−μ1)TwwT(Σ0+Σ1)wargmax⏟wJ(w)=||wTμ0−wTμ1||22wTΣ0w+wTΣ1w=wT(μ0−μ1)(μ0−μ1)TwwT(Σ0+Σ1)w　　　　我们一般定义类内散度矩阵SwSw为：Sw=Σ0+Σ1=∑x∈X0(x−μ0)(x−μ0)T+∑x∈X1(x−μ1)(x−μ1)TSw=Σ0+Σ1=∑x∈X0(x−μ0)(x−μ0)T+∑x∈X1(x−μ1)(x−μ1)T　　　　同时定义类间散度矩阵SbSb为：Sb=(μ0−μ1)(μ0−μ1)TSb=(μ0−μ1)(μ0−μ1)T　　　　这样我们的优化目标重写为：argmaxwJ(w)=wTSbwwTSwwargmax⏟wJ(w)=wTSbwwTSww　　　　仔细一看上式，这不就是我们的广义瑞利商嘛！这就简单了，利用我们第二节讲到的广义瑞利商的性质，我们知道我们的J(w)J(w)最大值为矩阵S−12wSbS−12wSw−12SbSw−12的最大特征值，而对应的ww为S−12wSbS−12wSw−12SbSw−12的最大特征值对应的特征向量!而S−1wSbSw−1Sb的特征值和S−12wSbS−12wSw−12SbSw−12的特征值相同,S−1wSbSw−1Sb的特征向量w′w′和S−12wSbS−12wSw−12SbSw−12的特征向量ww满足w′=S−12www′=Sw−12w的关系!　　　　注意到对于二类的时候，SbwSbw的方向恒为μ0−μ1μ0−μ1,不妨令Sbw=λ(μ0−μ1)Sbw=λ(μ0−μ1)，将其带入：(S−1wSb)w=λw(Sw−1Sb)w=λw，可以得到w=S−1w(μ0−μ1)w=Sw−1(μ0−μ1)，也就是说我们只要求出原始二类样本的均值和方差就可以确定最佳的投影方向ww了。

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。