NASAAmesPrognosticsCenterofExcellence(PCoE)锂离子电池寿命衰退实验数据集，可用于电池健康管理研讨。

基于STM32F103的平台，利用W25Q做内部存储，通过U+和U-做成一个可插拔大小为6M的U盘，实际大小还可以根据W25Q的容量做调整

这是我写的应用于光通信中的代码，其属于KK+DMT的传输系统类型，在当今数据通信容量日趋饱和的形态下，KK+DMT具有广阔的发展前景，这份代码也很有价值。

变电站是电力系统的重要组成部分，它直接影响整个电力系统的安全与经济运行，是联系发电厂和用户的中间环节，起着变换和分配电能的作用。
电气主接线是发电厂变电所的主要环节，电气主接线的拟定直接关系着全所电气设备的选择、配电装置的布置、继电保护和自动装置的确定，是变电站电气部分投资大小的决定性因素。
本次设计为110kV变电站初步设计，分为主接线、短路电流计算、设备选择等三部分，所设计的内容力求概念清楚，层次分明。
本次设计以110kV变电站为主要设计对象，同时附有1张电气主接线图加以说明。
该变电站设有2台主变压器，站内主接线分为110kV和10kV两个电压等级。
各个电压等级均采用单母分段的接线方式。
本文从主接线、短路电流的计算、设备选择等几方面对变电站设计进行了阐述。
第一章是变电设计程序。
第二章主要介绍的是主变的选择及变压器型式的选择、绕组连接方式主变的阻抗及调压方式选择、容量比、主变冷却方式和能否选择自耦、各侧电压和绝缘的选择和变压器的容量和台数的选择。
第三章电气主接线的方案选择为主要内容，对备选方案从可靠性、灵活性和经济性三个方面进行了论述，并选择出最佳方案。
第四章对110kV和10kV两个等级短路点进行短路电流计算。
第五章主要介绍了变电站的电气设备的选择，包括母线型号和断路器、隔离开关的选择，还有对电压互感器、电流互感器的选择及各个设备的校验，更近一步适合变电站的需求。
第六章介绍了变电站配电装置及电气总平面设计。
第七章是防雷电保护和接地保护的主要内容。
总之，全面的对本变电站设计进行分析，从不同的方面适合本地，人民生活和经济发展的需要。

容量的用户调度-Jain的公平性折衷方案，用于毫米波MIMO零碎

容量的用户调度-Jain的公平性折衷方案，用于毫米波MIMO零碎

针对脉冲位置调制(PPM)和数字脉冲间隔调制(DPIM)等方法存在的问题,提出了一种新的双宽脉冲位置调制(DD-PPM)方式。
在给出其符号结构的基础上,分析了带宽需求、传输容量和平均功率,推导出弱湍流信道下的误包率模型,并将其与开关键控调制(OOK),PPM和DPIM等典型调制方式进行了比较。
理论分析和仿真结果表明,DD-PPM不仅比OOK具有更高的功率利用率和更好的差错功能,比PPM具有更高的带宽效率和传输容量,比DPIM具有相近甚至略好的差错功能,而且因符号长度固定,解调时不存在等待或缓存器溢出等问题,较DPIM更易工程实现。
因而作为一种折中的调制方式,DD-PPM在无线光通信中有一定的应用场合。

针对脉冲位置调制(PPM)和数字脉冲间隔调制(DPIM)等方法存在的问题,提出了一种新的双宽脉冲位置调制(DD-PPM)方式。
在给出其符号结构的基础上,分析了带宽需求、传输容量和平均功率,推导出弱湍流信道下的误包率模型,并将其与开关键控调制(OOK),PPM和DPIM等典型调制方式进行了比较。
理论分析和仿真结果表明,DD-PPM不仅比OOK具有更高的功率利用率和更好的差错功能,比PPM具有更高的带宽效率和传输容量,比DPIM具有相近甚至略好的差错功能,而且因符号长度固定,解调时不存在等待或缓存器溢出等问题,较DPIM更易工程实现。
因而作为一种折中的调制方式,DD-PPM在无线光通信中有一定的应用场合。

《模式识别（第四版）》是2010年电子工业出版社出版的图书，作者是西奥多里蒂斯。
本书由模式识别领域的两位顶级专家合著，全面阐述了模式识别的基础理论、最新方法、以及各种应用。
作　者：(希)SergiosTheodoridis/(希)KonstantinosKoutroumbas，李晶皎等译第1章导论1.1模式识别的重要性1.2特征、特征向量和分类器1.3有监督、无监督和半监督学习1.4MATLAB程序1.5本书的内容安排第2章基于贝叶斯决策理论的分类器2.1引言2.2贝叶斯决策理论2.3判别函数和决策面2.4正态分布的贝叶斯分类2.5未知概率密度函数的估计2.6最近邻规则2.7贝叶斯网络习题MATLAB编程和练习参考文献第3章线性分类器3.1引言3.2线性判别函数和决策超平面3.3感知器算法3.4最小二乘法3.5均方估计的回顾3.6逻辑识别3.7支持向量机习题MATLAB编程和练习参考文献第4章非线性分类器4.1引言4.2异或问题4.3两层感知器4.4三层感知器4.5基于训练集准确分类的算法4.6反向传播算法4.7反向传播算法的改进4.8代价函数选择4.9神经网络大小的选择4.10仿真实例4.11具有权值共享的网络4.12线性分类器的推广4.13线性二分法中1维空间的容量4.14多项式分类器4.15径向基函数网络4.16通用逼近4.17概率神经元网络4.18支持向量机：非线性格况4.19超越SVM的范例4.20决策树4.21合并分类器4.22合并分类器的增强法4.23类的不平衡问题4.24讨论习题MATLAB编程和练习参考文献第5章特征选择5.1引言5.2预处理5.3峰值现象5.4基于统计假设检验的特征选择5.5接收机操作特性（ROC）曲线5.6类可分性测量5.7特征子集的选择5.8最优特征生成5.9神经网络和特征生成/选择5.10推广理论的提示5.11贝叶斯信息准则习题MATLAB编程和练习参考文献第6章特征生成I：线性变换6.1引言6.2基本向量和图像6.3Karhunen-Loève变换6.4奇异值分解6.5独立成分分析6.6非负矩阵因子分解6.7非线性维数降低6.8离散傅里叶变换（DFT）6.9离散正弦和余弦变换6.10Hadamard变换6.11Haar变换6.12回顾Haar展开式6.13离散时间小波变换（DTWT）6.14多分辨解释6.15小波包6.16二维推广简介6.17应用习题MATLAB编程和练习参考文献第7章特征生成II7.1引言7.2区域特征7.3字符形状和大小的特征7.4分形概述7.5语音和声音分类的典型特征习题MATLAB编程和练习参考文献第8章模板匹配8.1引言8.2基于最优路径搜索技术的测度8.3基于相关的测度8.4可变形的模板模型8.5基于内容的信息检索：相关反馈习题MATLAB编程和练习参考文献第9章上下文相关分类9.1引言9.2贝叶斯分类器9.3马尔可夫链模型9.4Viterbi算法9.5信道均衡9.6隐马尔可夫模型9.7状态驻留的HMM9.8用神经网络训练马尔可夫模型9.9马尔可夫随机场的讨论习题MATLAB编程和练习参考文献第10章监督学习：尾声10.1引言10.2误差计算方法10.3探讨有限数据集的大小10.4医学图像实例研究10.5半监督学习习题参考文献第11章聚类：基本概念11.1引言11.2近邻测度习题参考文献第12章聚类算法I：顺序算法12.1引言12.2聚类算法的种类12.3顺序聚类算法12.4BSAS的改进12.5两个阈值的顺序方法12.6改进阶段12.7神经网络的实现习题MATLAB编程和练习参考文献第13章聚类算法II：层次算法13.1引言13.2合并算法13.3cophenetic矩阵13.4分裂算法13.5用于大数据集的层次算法13.6最佳聚类数的选择习题MATLAB编程和练习参考文献第14章聚类算法III：基于函数最优方法14.1引言14.2混合分解方法14.3模糊聚类算法14.4可能性聚类14.5硬聚类算法14.6向量量化附录习题MATLAB编程和练习参考文献第15

《模式识别（第四版）》是2010年电子工业出版社出版的图书，作者是西奥多里蒂斯。
本书由模式识别领域的两位顶级专家合著，全面阐述了模式识别的基础理论、最新方法、以及各种应用。
作　者：(希)SergiosTheodoridis/(希)KonstantinosKoutroumbas，李晶皎等译第1章导论1.1模式识别的重要性1.2特征、特征向量和分类器1.3有监督、无监督和半监督学习1.4MATLAB程序1.5本书的内容安排第2章基于贝叶斯决策理论的分类器2.1引言2.2贝叶斯决策理论2.3判别函数和决策面2.4正态分布的贝叶斯分类2.5未知概率密度函数的估计2.6最近邻规则2.7贝叶斯网络习题MATLAB编程和练习参考文献第3章线性分类器3.1引言3.2线性判别函数和决策超平面3.3感知器算法3.4最小二乘法3.5均方估计的回顾3.6逻辑识别3.7支持向量机习题MATLAB编程和练习参考文献第4章非线性分类器4.1引言4.2异或问题4.3两层感知器4.4三层感知器4.5基于训练集准确分类的算法4.6反向传播算法4.7反向传播算法的改进4.8代价函数选择4.9神经网络大小的选择4.10仿真实例4.11具有权值共享的网络4.12线性分类器的推广4.13线性二分法中1维空间的容量4.14多项式分类器4.15径向基函数网络4.16通用逼近4.17概率神经元网络4.18支持向量机：非线性格况4.19超越SVM的范例4.20决策树4.21合并分类器4.22合并分类器的增强法4.23类的不平衡问题4.24讨论习题MATLAB编程和练习参考文献第5章特征选择5.1引言5.2预处理5.3峰值现象5.4基于统计假设检验的特征选择5.5接收机操作特性（ROC）曲线5.6类可分性测量5.7特征子集的选择5.8最优特征生成5.9神经网络和特征生成/选择5.10推广理论的提示5.11贝叶斯信息准则习题MATLAB编程和练习参考文献第6章特征生成I：线性变换6.1引言6.2基本向量和图像6.3Karhunen-Loève变换6.4奇异值分解6.5独立成分分析6.6非负矩阵因子分解6.7非线性维数降低6.8离散傅里叶变换（DFT）6.9离散正弦和余弦变换6.10Hadamard变换6.11Haar变换6.12回顾Haar展开式6.13离散时间小波变换（DTWT）6.14多分辨解释6.15小波包6.16二维推广简介6.17应用习题MATLAB编程和练习参考文献第7章特征生成II7.1引言7.2区域特征7.3字符形状和大小的特征7.4分形概述7.5语音和声音分类的典型特征习题MATLAB编程和练习参考文献第8章模板匹配8.1引言8.2基于最优路径搜索技术的测度8.3基于相关的测度8.4可变形的模板模型8.5基于内容的信息检索：相关反馈习题MATLAB编程和练习参考文献第9章上下文相关分类9.1引言9.2贝叶斯分类器9.3马尔可夫链模型9.4Viterbi算法9.5信道均衡9.6隐马尔可夫模型9.7状态驻留的HMM9.8用神经网络训练马尔可夫模型9.9马尔可夫随机场的讨论习题MATLAB编程和练习参考文献第10章监督学习：尾声10.1引言10.2误差计算方法10.3探讨有限数据集的大小10.4医学图像实例研究10.5半监督学习习题参考文献第11章聚类：基本概念11.1引言11.2近邻测度习题参考文献第12章聚类算法I：顺序算法12.1引言12.2聚类算法的种类12.3顺序聚类算法12.4BSAS的改进12.5两个阈值的顺序方法12.6改进阶段12.7神经网络的实现习题MATLAB编程和练习参考文献第13章聚类算法II：层次算法13.1引言13.2合并算法13.3cophenetic矩阵13.4分裂算法13.5用于大数据集的层次算法13.6最佳聚类数的选择习题MATLAB编程和练习参考文献第14章聚类算法III：基于函数最优方法14.1引言14.2混合分解方法14.3模糊聚类算法14.4可能性聚类14.5硬聚类算法14.6向量量化附录习题MATLAB编程和练习参考文献第15

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。