这个Matlab工具箱实现32种维数降低技术。
这些技术都可以通过COMPUTE_MAPPING函数或trhoughGUI。
有以下技术可用： -主成分分析（'PCA'） -线性判别分析（'LDA'） -多维缩放（'MDS'） -概率PCA（'ProbPCA'） -因素分析（'因子分析'） -Sammon映射（'Sammon'） -Isomap（'Isomap'） -LandmarkIsomap（'LandmarkIsomap'） -局部线性嵌入（'LLE'） -拉普拉斯特征图（'Laplacian'） -HessianLLE（'HessianLLE'） -局部切线空间对准（'LTSA'） -扩散图（'DiffusionMaps'） -内核PCA（'KernelPCA'） -广义判别分析（'KernelLDA'） -随机邻居嵌入（'SNE'） -对称随机邻接嵌入（'SymSNE'） -t分布随机邻居嵌入（'tSNE'） -邻域保留嵌入（'NPE'） -线性保持投影（'LPP'） -随机接近嵌入（'SPE'） -线性局部切线空间对准（'LLTSA'） -保形本征映射（'CCA'，实现为LLE的扩展） -最大方差展开（'MVU'，实现为LLE的扩展） -地标最大差异展开（'地标MVU'） -快速最大差异展开（'FastMVU'） -本地线性协调（'LLC'） -歧管图表（'ManifoldChart'） -协调因子分析（'CFA'） -高斯过程潜变量模型（'GPLVM'） -使用堆栈RBM预训练的自动编码器（'AutoEncoderRBM'） -使用进化优化的自动编码器（'AutoEncoderEA'）此外，工具箱包含6种内在维度估计技术。
这些技术可通过INTRINSIC_DIM函数获得。
有以下技术可用： -基于特征值的估计（'EigValue'） -最大似然估计器（'MLE'） -基于相关维度的估计器（'CorrDim'） -基于最近邻域评估的估计器（'NearNb'） -基于包装数量（'PackingNumbers'）的估算器 -基于测地最小生成树（'GMST'）的估计器除了这些技术，工具箱包含用于预白化数据（函数PREWHITEN），精确和估计样本外扩展（函数OUT_OF_SAMPLE和OUT_OF_SAMPLE_EST）的函数以及生成玩具数据集（函数GENERATE_DATA）的函数。
工具箱的图形用户界面可通过DRGUI功能访问

静脉识别，生物识别的一种。
静脉识别系统一种方式是通过静脉识别仪取得个人静脉分布图，依据专用比对算法从静脉分布图提取特征值，另一种方式通过红外线CCD摄像头获取手指、手掌、手背静脉的图像，将静脉的数字图像存贮在计算机系统中，实现特征值存储。
静脉比对时，实时采取静脉图，运用先进的滤波、图像二值化、细化手段对数字图像提取特征，采用复杂的匹配算法同存储在主机中静脉特征值比对匹配，从而对个人进行身份鉴定，确认身份。

使用matlab编写，提取音频特征值，如短时过零率，短时能量，频谱质心等，程序完事。

QR算法求矩阵特征值的matlab实现

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。

很不错的matlab代码，针对于做EEG的运动想象的CSP分解算法和特征选取，代码注释很清楚，拿到手就可以用，结合数据集。

概述PSAT(PowerSystemAnalysisToolbox)，中文翻译为电力系统分析软件包，包含了：PF-潮流计算；
CPF-连续潮流；
OPF-最优潮流；
SSSA-小扰动分析；
TDS-时域仿真；
GUI-用户人机界面；
GNE-自定义模型等功能。
经过验证，该工具包已经可以计算上千节点规模的系统。
而且该软件包源代码完全公开，因此用户可以根据自己的研究兴趣编写修改相应源代码实现研究目的。
同时,依托于Matlab的强大计算功能以及丰富的控制、信号处理、鲁棒控制、模糊控制等工具箱,使得PSAT可以把控制科学、信号处理等方面的新思想与电力系统的传统仿真计算有机地结合起来[1]。
系统模型库及主界面为了适应针对电力系统新元件、新问题的研究，PSAT提供了丰富的静态、动态模型库：电力系统分析软件包PSAT主界面介绍（1）潮流模型，母线、传输线、变压器、平衡母线、PV母线、恒功率负荷以及并联电容器等；
（2）电力市场相关模型，供求上下限、储备功率等；
（3）断路器相关模型，故障类型、开关等；
（4）测量元件模型，测频器、相量测量单元PMU等；
（5）电机模型，同步、异步电机；
（6）负荷模型(ZIP)，电压、频率相关模型等；
（7）控制器模型，调速器、励磁，电力系统稳定器PSS及附加阻尼控制(POD)；
（8）柔性交流输电技术(FACTS)模型，静止无功补偿器(SVC)、可控串联补偿装置(TCSC)、静止同步串联补偿器(SSSC)、统一潮流控制器(UPFC)；
（9）直流输电模型；
（10）分布式发电系统，各种风机模型。
主要功能（1）潮流计算：进行各种电力系统问题研究的基础，PSAT包括了标准牛顿-拉夫逊算法、快速解耦算法等。
PSAT具有友好的潮流计算界面,在装载算例(*.mdl或*.m)文件后,选择powerflow完成潮流计算后可以弹出潮流计算GUI。
其中，清楚地列出了母线电压相角、有功、无功等潮流结果。
同时，PSAT还支持将潮流结果以文本格式输出，这样的潮流结果可以方便地应用于任何软件编写的电力系统分析软件的输入。
（2）最优潮流：PSAT采用基于Mehrotra预测-修改的内点法求解最优潮流问题，并且PSAT最优潮流中的目标函数相当丰富。
（3）小信号分析：低频振荡正成为跨大区输电安全性的瓶颈，针对这一问题的研究已广泛展开。
在完成基本的潮流计算后，PSAT便可以进行特征值参与因子等计算工作。
它采用解析法计算Jacobian矩阵，这样就保证了计算的精确性。
（4）时域仿真分析：PSAT采用修改系统参数(例如支路阻抗数值大小)以及其专有的嵌入式的故障描述文件(*.m)来构成。

jacob求解实对称矩阵的特征值特征向量c代码

该程序用C++实现对任意阶的是对称矩阵求特征值和特征向量，本程序给的例子是读取matrix.txt这个120阶矩阵。

能根据时间、潮位数据，自动计算高潮位、低潮位及相应的时间和潮差值，出图并将计算结果保存在excel文件

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。