/***************深圳市赛亿科技开发有限公司*********************文件名：adc*描述：多通道AD采集（源文件）*实验平台：STM8S105开发板*库版本：V1.0*作者：hcr*QQ：630054913*修改时间：2014-9-20*******************************************************************************/#include"adc.h"u16AdcData_Buff[10];//AD采集缓存u16AdcValue_Channel1;//通道1值u16AdcValue_Channel2;//通道2值u16AdcValue_Channel3;//通道3值floatAdc_V1;//通道1值电压值floatAdc_V2;//通道2值电压值floatAdc_V3;//通道3值电压值/***************************************************************************函数名：Adc_Task(void)*描述：AD不通通道选择*输入：无*输出：无*返回：无*调用：10ms调用*************************************************************************/voidAdc_Task(void){staticu8Adc_Channel=1;staticu8Adc_Timer=0;staticu16Adc_GetValue;switch(Adc_Channel)//通道选择{case1://通道1Adc_GetValue=ADC1_GetConversionValue();//获取ADC转换数AdcData_Buff[Adc_Timer]=Adc_GetValue;//保存采样值if(Adc_Timer8) {Adc_Timer=0;//复位 Temp_Choose();//冒泡法求中间值AdcValue_Channel1=AdcData_Buff[5];//取中间值Adc_V1=(3.28*AdcValue_Channel1)/1023;//算出实际电压AdcData_Clean();//清除缓存数据Adc_Channel=2;//另一通道AdcChannel_Start(ADC1_CHANNEL_2);//ADC,通道2启动 }break;case2://通道2

采用C++开发的复矩阵数学库，含复数类CMyComplex、矩阵类CMatrix、修正贝塞尔函数类等，可进行各种复数和复矩阵运算，具体包括：实矩阵求逆的全选主元高斯－约当法、复矩阵求逆的全选主元高斯－约当法、对称正定矩阵的求逆、托伯利兹矩阵求逆的埃兰特方法、求行列式值的全选主元高斯消去法求矩阵秩的全选主元高斯消去法、对称正定矩阵的乔里斯基分解与行列式的求值、矩阵的三角分解、一般实矩阵的QR分解、一般实矩阵的奇异值分解、求广义逆的奇异值分解法、约化对称矩阵为对称三对角阵的豪斯荷尔德变换法、实对称三对角阵的全部特征值与特征向量的计算、约化一般实矩阵为赫申伯格矩阵的初等相似变换法、求赫申伯格矩阵全部特征值的QR方法、求实对称矩阵特征值与特征向量的雅可比法、求实对称矩阵特征值与特征向量的雅可比过关法等，内容十分丰富完善。

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

本人华师大研究生，曾鹏老师开设了密码学课程，期末作业基本都是课后作业，开卷考试，为应付考试，用python编写了这么一堆代码，解决各种密码问题，有些网上搜的，有些自己写的，主要是：移位密码、代换密码、仿射密码、维吉尼亚密码、希尔密码、RSA密码、Rabin、ELGammal等密码的加密解密、求密钥、求各种值都有。

设a为长度为n的整数型一维数组。
（1）试编写求a中的最大值、最小值和平均值的函数。
请分别用两种方法完成： 分别编写三个函数intaMAX(int*a,intn)、intaMIN(int*a,intn)、intaAVE(int*a,intn)实现求最大值、最小值和平均值。
 用一个函数voidaMAX_MIN_AVE(int*a,intn,int&max,int&min,int&aver)实现求上述三个值，用“引用参数”带回结果。
（2）试编写函数intprime_SUM(int*a,intn)计算a中所有素数之和。
（3）编写函数voidaSORT(int*a,intn)对a进行从小到大的排序，并输出排序结果。

蒙特卡洛求pi值matlab版

矩阵分析课程，givens分解。
求p值。
亲测可运行

对二值化图像画出轮廓图，求出其链码，得到该链码直方图。
附带三个函数，分别求二值化轮廓图、求链码、算链码出现频率，同时给出图像测试。

第一章人工神经网络…………………………………………………3§1.1人工神经网络简介…………………………………………………………31．1人工神经网络的起源……………………………………………………31．2人工神经网络的特点及应用……………………………………………3§1.2人工神经网络的结构…………………………………………………42．1神经元及其特性…………………………………………………………52．2神经网络的基本类型………………………………………………62.2.1人工神经网络的基本特性……………………………………62.2.2人工神经网络的基本结构……………………………………62.2.3人工神经网络的主要学习算法………………………………7§1.3人工神经网络的典型模型………………………………………………73．1Hopfield网络…………………………………………………………73．2反向传播(BP)网络……………………………………………………83．3Kohonen网络…………………………………………………………83．4自适应共振理论(ART)……………………………………………………93．5学习矢量量化（LVQ）网络…………………………………………11§1.4多层前馈神经网络（ＢＰ）模型…………………………………………124．1BP网络模型特点 ……………………………………………………124．2BP网络学习算法………………………………………………………134.2.1信息的正向传递………………………………………………134.2.2利用梯度下降法求权值变化及误差的反向传播………………144．3网络的训练过程………………………………………………………154．4BP算法的改进………………………………………………………154.4.1附加动量法………………………………………………………154.4.2自适应学习速率…………………………………………………164.4.3动量-自适应学习速率调整算法………………………………174．5网络的设计………………………………………………………………174.5.1网络的层数…………………………………………………174.5.2隐含层的神经元数……………………………………………174.5.3初始权值的选取………………………………………………174.5.4学习速率…………………………………………………………17§1.5软件的实现………………………………………………………………18第二章遗传算法………………………………………………………19§2.1遗传算法简介………………………………………………………………19§2.2遗传算法的特点…………………………………………………………19§2.3遗传算法的操作程序………………………………………………………20§2.4遗传算法的设计……………………………………………………………20第三章基于神经网络的水布垭面板堆石坝变形控制与预测§3.1概述…………………………………………………………………………23§3.2样本的选取………………………………………………………………24§3.3神经网络结构的确定………………………………………………………25§3.4样本的预处理与网络的训练……………………………………………254．1样本的预处理………………………………………………………254．2网络的训练……………………………………………………26§3.5水布垭面板堆石坝垂直压缩模量的控制与变形的预测…………………305．1面板堆石坝堆石体垂直压缩模量的控制……………………………305．2水布垭面板堆石坝变形的预测……………………………………355．3BP网络与COPEL公司及国内的经验公式的预测结果比较…35§3.6结论与建议………………………………………………………………38第四章BP网络与遗传算法在面板堆石坝设计参数控制中的应用§4.1概述………………………………………………………………………39§4.2遗传算法的程序设计与计算………………………………………………39§4.3结论与建议…………………………………………………………………40参考文献…………………………………………………………………………

阈值分割法在dicom图像分割中的应用，论文中详细阐述了dicom格式的医学图像信息，如何对其进行医学图像分割处理。
文中用到了迭代法求阈值，以及双峰法求阈值。

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。