r语言程序，用于计算标准化降水指数（SPI），用于干旱分级

DZH/FXJ引用外部数据的DLL公式FMLDATA.DLL(DZH/FXJ引用外部数据的DLL公式)免费下载一、DLL主要功能：适用平台：大智慧新一代V2.0（仅支持以分析家为内核的DZH版本，不支持DZH经典版本）、分析家（在V6.0上测试通过，在其它版本用应该也没问题），以下简称DZH。
主要功能：1）在DZH公式中读取外部数据（这里称为FMLDATA文件数据，该数据文件格式见下文）。
例如，要在DZH公式中读入第三方的数据并与DZH其它数据一起进行分析，我们可以首先将数据写入FMLDATA文件，然后在DZH公式中象引用DZH本身直接引用。
2）将DZH序列数据写入外部文件。
例如，我们要将DZH现有数据或者自己编写的公式的计算结果导出来，在EXCEL等外部软件进一步处理。
（与FinDataTools工具的区别是：FMLDATA.DLL导出的是DZH原始数据或公式计算结果，而FinDataTools直接从DZH/FXJ读取数据。
）适用对象：需要读取自己定制的外部数据而又不想自己用C/C++写接口的DZH/FXJ用户。
声明：本DLL不含任何恶意代码，但使用风险自担。
二、下载：点击这里下载(近100KB)。
三、安装方法：1、下载后用WINRAR解压得到FMLDATA.DLL和FMLDATA.TXT两个文件。
2、将FMLDATA.DLL复制到DZH2安装目录，一般为c:\dzh2。
如果是FXJ一般为c:\superstk等.3、在DZH安装目录下建立一个名为FMLDATA的文件夹，如c:\dzh2\fmldata（这一步是必须的，否则无法使用）。
DLL公式读取或写入的数据都在这个文件夹。
至此，安装完成，下面就是如何使用了。
四、使用方法：FMLDATA.DLL提供了两个公式/函数，一个用于写数据，一个用于读数据。
（一）写数据：写数据的公式为:"FMLDATA@WRITE"(X,N)第一个参数X是个序列（指标），可以是CLOSE、OPEN等，也可以是公式中的中间计算结果，要求序列值在浮点型值范围之内，一般在正负20亿之间，如果不在该范围之内，建议改变单位；
第二个参数N是个数值，表示序列编号，例如我们把CLOSE保存为第4个序列，N为4。
将数据保存为外部文件时，根据当前股票代码、序列编号、分析周期这三个信息在fmldata文件夹生成形式为“XXXXXX.N.YYY”的文件。
其中，XXXXXX为股票代码，如深发展为000001等，由于沪市指数代码与深市股票代码重复，所以沪市指数代码在原代码前加1，例如上证综指为000001，则这里的XXXXXX为1000001（7位）；
N是编号，由用户自己指定，应为大于0的整数；
YYY为分析周期，如果是日线数据，则YYY=DAY，分笔、1分钟、5分钟、15分钟、30分钟、60分钟、周、月、多日、季度、半年、年的值分别为TICK、MIN1、MIN5、MIN15、MIN30、MIN60、WEEK、MONTH、NDAYS、QUARTER、SEMIYEAR、YEAR。
举例：例1、将收盘价写入到外部文件新建一公式，设名为TESTW，输入V1:"FMLDATA@WRITE"(C,4);，在深发展（000001）日K线状态下，键入TESTW，在指标区查看公式TESTW结果的同时，将在FMLDATA目录生成一个名为000001.4.DAY的二进制文件（这个文件如何在其它软件中使用见下文），如果同名文件已经存在，将覆盖。
如果我们键入000002，切换到万科日K线，将生成名为000002.4.DAY的文件；
如果切换到上证指数，则生成1000001.4.DAY文件。
注意：如果是DZH，写数据时请将光标移至最后一根K线，否则只保存光标之前的数据，FXJ好象没有这个问题。
光标一动，数据就重新写入一次。
例2、将收益率保存到外部文件建一公式：A:=C/REF(C,1)-1;B:"FMLDATA@WRITE"(A,101);请在还权状态下使用该公式。
如果处于000001的日K线图，则生成000001.101.DAY。
例3、将周收益率保存到外部文件在例2基础上，将“分析周期”改为“周线图”，则周收益率保存到000001.101.WEEK文件。
例4、将沪市A股所有股票的收盘价、成交量保存到外部文件建一名为TESTCV公式:A:"FMLDATA@WRITE"(C,4);B:"FMLDATA@WRITE"(V/10000,5);保存后。
选择“条件选股”，选股指标选择“TESTCV”，分析周期选“日线”，选中“使用除权后数据”，指标线选“B”，条件选“大于0”，选股范围选择“上证A股”，执行选股，将生成600000.4.DAY、60

指数

小波复合合阈值新算法具有优越的性能。
利用谱线和噪声在小波域内的不同相关特性，提出了一种小波域复合阈值去噪算法。
首先将小波系数作NeighShrink阈值处理，然后对得到的小波系数进行二值化，在此基础上定义了每一小波系数所对应的横向相关性指数和纵向相关性指数，最后确定出决定小波系数取舍的决策系数。
由于该决策系数是通过多重判据得到的，因此该方法克服了简单阈值方法过保留或过扼杀的缺点，同时可以去除大脉冲噪声，实验结果表明了该方法的有效性。

基于MATLAB的d2d功率控制仿真，简单的解决了资源分配的问题，现在假设有3个可用信道，一个蜂窝用户只允许一个d2d对用户复用资源（复用方式是复用距离最远的蜂窝用户信道，暂时没有考虑干扰问题），那么这3个信道最多可以容纳6个用户（3个蜂窝用户，3对d2d用户）同时进行正常通信，其中蜂窝用户以60%的概率生成，d2d用户以40%的概率生成，且都服从指数分布。

代码包含三个聚类分析常用的外部评价指标：调整兰德指数（ARI），标准化互信息（NMI），准确度（AC）。

在400~720nm波段规模，基于液晶可调谐滤波器(LCTF)以及CMOS相机组合的多光谱成像体系，以四季豆叶片为钻研货物每一隔5nm举行成像。
依据图像亮度信息法以及波段指数法的相关原理，起首分别盘算患上到各波段四季豆叶片的波段指数值以及可识别度；
而后对于四季豆叶片的波段指数值以及可识别度举行排序，综合图像的灰度离散、亮度信息丰厚以及波段的相关性小等特色，患上出54五、630、64五、720、650以及570nm波段有较大的波段指数值以及较好的识别度；
末了依据最小欧氏距离法以及光谱角度匹配法分别对于四季豆叶片的特色波段的分类精度予以盘算，两种方式的分类精度分别为100.00%以及83.33%，患上出选取的特色波段对于四季豆叶片具备较好的分类精度。
于是，54五、630、64五、720、650以及570nm波段可作为四季豆叶片的特色波段。

matlab罕用代码大全，帮手你科研，论文实证阐发，数模竞赛第44章条理阐发法第45章灰色联系瓜葛度第46章熵权法第47章主成份阐发第48章主成份回归第49章偏最小二乘第50章垂垂回归阐发第51章模拟退火第52章RBF,GRNN,PNN-神经收集第53章相助神经收集与SOM神经收集第54章蚁群算法tsp求解第55章灰色料想GM1-1第56章模糊综合评估第57章交织验证神经收集第58章多项式拟合plotfit第59章非线性拟合lsqcurefit第60章kmeans聚类第61章FCM聚类第62章arima功夫序列第63章topsis第1章BP神经收集的数据分类——语音特色信号分类第2章BP神经收集的非线性体系建模——非线性函数拟合第3章遗传算法优化BP神经收集——非线性函数拟合第4章神经收集遗传算法函数极值寻优——非线性函数极值寻优第5章基于BP_Adaboost的强分类器方案——公司财政预警建模第6章PID神经元收集解耦抑制算法——多变量体系抑制第7章RBF收集的回归--非线性函数回归的实现第8章GRNN收集的料想----基于狭义回归神经收集的货运量料想第9章离散Hopfield神经收集的遥想影像——数字识别第10章离散Hopfield神经收集的分类——高校科研才气评估第11章络续Hopfield神经收集的优化——遨游商下场优化盘算第12章初始SVM分类与回归第13章LIBSVM参数实例详解第14章基于SVM的数据分类料想——意大利葡萄酒品种识别第15章SVM的参数优化——若何更好的提升分类器的成果第16章基于SVM的回归料想阐发——上证指数收盘指数料想.第17章基于SVM的信息粒化时序回归料想——上证指数收盘指数变更趋向以及变更空间料想第18章基于SVM的图像联系-真玄色图像联系第19章基于SVM的手写字体识别第20章LIBSVM-FarutoUltimate货物箱及GUI版本介绍与使用第21章自结构相助收集在方式分类中的使用—患者癌症发病料想第22章SOM神经收集的数据分类--柴油机缺陷诊断第23章Elman神经收集的数据料想----电力负荷料想模子钻研第24章概率神经收集的分类料想--基于PNN的变压器缺陷诊断第25章基于MIV的神经收集变量遴选----基于BP神经收集的变量遴选第26章LVQ神经收集的分类——乳腺肿瘤诊断第27章LVQ神经收集的料想——人脸朝向识别第28章遴选树分类器的使用钻研——乳腺癌诊断第29章极限学习机在回归拟合及分类下场中的使用钻研——比力试验第30章基于随机森林脑子的组合分类器方案——乳腺癌诊断第31章脑子进化算法优化BP神经收集——非线性函数拟合第32章小波神经收集的功夫序列料想——短时交通流量料想第33章模糊神经收集的料想算法——嘉陵江水质评估第34章狭义神经收集的聚类算法——收集入侵聚类第35章粒子群优化算法的寻优算法——非线性函数极值寻优第36章遗传算法优化盘算——建模自变量降维第37章基于灰色神经收集的料想算法钻研——定单需要料想第38章基于Kohonen收集的聚类算法——收集入侵聚类第39章神经收集GUI的实现——基于GUI的神经收集拟合、方式识别、聚类第40章动态神经收集功夫序列料想钻研——基于MATLAB的NARX实现第41章定制神经收集的实现——神经收集的本能化建模与仿真第42章并背运算与神经收集——基于CPU/GPU的并行神经收集运算第43章神经收集高效编程本领——基于MATLABR2012b新版本特色的谈判

基于MATLAB举行尺度化降水指数SPI盘算法度圭表标准，首要用于干旱分级的判断指数。
加之轮回，能够对于上千个站点批处置。

盘算器类：　方案一个盘算器类模板，适用各尺度表白式的“+、-、×、/”数学四则运算以及“＞、＞=、＜、＜=、!=、==”等关连运算。
数学四则运算表白式中可含有加、减、乘、除了运算符以及各型数据的运算货物。
法度圭表标准能够直接输入数学表白式以及关连表白式，不需要任何转换，就能够直接输入数学四则运算以及逻辑运算的下场。
并且操作约莫、界面明晰、敏捷、适用、便捷等。
（体系成果可欠缺从容发挥）。
扩展成果：三角运算、进制转换、开方、幂指数等。

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。