无监督学习是机器学习的一个重要分支，其在机器学习、数据挖掘、生物医学大数据分析、数据科学等领域有着重要地位。
本书阐述作者近年在无监督学习领域所取得的主要研究成果，包括次胜者受罚竞争学习算法、K-means学习算法、K-medoids学习算法、密度学习算法、谱图聚类算法；
*后介绍了无监督学习在基因选择、疾病诊断中的应用。

智能控制（第4版）刘金琨matlab源代码及PPT课件。
本书教全面地叙述了智能控制的基本理论、方法和应用。
全书共分11章。
主要内容为：专家控制的基本原理和应用；
模糊控制的基本原理和应用；
神经网络控制的基本原理和应用；
智能搜索算法及其应用

对于霍夫直线一直是应用在图片中，因此此种方法可以应用在点云数据中。
具体原理以及依赖的头文件和主函数见链接：https://mp.csdn.net/console/editor/html/106173138数据部分见链接：

数学分析方法选讲作者：刘德祥，刘绍武，冯立新主编出版时间：2014年版内容简介　　《数学分析方法选讲》共分6章。
第1章主要阐述分析证明中的一些最常见的基本处理方法与技巧。
根据教学上的考虑和作者自己的体会，把这些常用的处理方法适当命名后止式地予以提出，作者认为这样做有利于学生加深对方法本身的理解。
第2章是Abel方法及应用简介。
在第3章不等式与估值问题部分中，作者利用幂平均函数对各种平均值不等式统一进行了处理。
考虑到交换运算次序在级数求和及积分计算中的重要性，作者在第4章对它进行了一些讨论，并给出了判断级数和积分不一致收敛的比较简单并且使用方便的方法。
第5章简略地介绍了阶的估计及其在极限计算和级数与积分收敛性中的应用。
第6章用较多的例题介绍极限存在性问题的证法和各种极限的求值方法。
各章的内容都有较大的独立性，因此读者在阅读时可根据自己的需要加以选择。
目录第1章分析证明中的几种常用处理方法与技巧1.1截断习题1.11.2叠加习题1.21.3局部化方法习题1.31.4借助辅助函数习题1.41.5离散型问题与连续型问题的相互转换习题1.51.6ε逼迫方法习题1.61.7借助于构造点列和抽取子列习题1.71.8关于利用实数空间基本定理证明问题的几点注释1.8.1有理数集的性质1.8.2实数集的性质1.8.3关于利用实数空间基本定理证明问题的几点注释习题1.8第2章Abel方法2.1Abel变换与Abel引理习题2.12.2Abel方法在级数收敛性判别中的应用2.2.1数项级数收敛性的判别法.2.2.2函数项级数一致收敛性判别法习题2.2.2.3Abel方法在广义积分收敛性判别中的应用2.3.1分部积分公式与积分第二中值定理2.3.2无穷限广义积分收敛性的Abel判别法与Dmchlet判别法2.3.3带参变量广义积分一致收敛性的Abel判别法与Dirichlet判别法习题2.32.4Abel级数求和法习题2.42.5差分的概念及简单应用习题2.5第3章不等式与估值问题3.1不等式的初等证法习题3.13.2证明不等式的凸函数方法3.2.1凸函数的定义及基本性质3.2.2证明不等式的凸函数方法习题3.23.3利用微分学证明不等式习题3.33.4利用积分学证明不等式习题3.43.5估值问题习题3.5第4章几种运算次序的交换性4.1一致收敛性4.1.1函数项级数的一致收敛性4.1.2含参变量积分的一致收敛性习题4.14.2运算次序的交换性4.2.1求和与其他运算的可换性4.2.2积分与其他运算次序的可换性习题4.2第5章阶的估计及应用5.1阶的定义及运算5.1.1无穷小量与无穷大量的阶的定义5.1.2阶的性质和运算习题5.15.2阶的估计5.2.1函数的Taylor展开式5.2.2阶与主部的求法习题5.25.3阶的应用5.3.1利用阶计算极限5.3.2阶的估计在级数与广义积分收敛性中的应用习题5.3第6章极限的存在性与求值问题6.1关于极限定义的若干注释6.1.1关于过程的刻画和变量的刻画6.1.2关于变量不存在极限的描述6.1.3变量趋于无穷大的情形习题6.16.2关于极限的存在性习题6.26.3极限的求值6.3.1利用定义和两边夹原理求极限6.3.2利用Stolz定理和L'Hospital法则求极限6.3.3建立以极限值为变元的方程求极限6.3.4利用积分和求极限6.3.5利用Reimann引理求极限6.3.6利用Toeplitz定理求极限6.3.7求极限的其他方法习题6.3附录IPeano曲线附录II关于e的超越性主要参考书目

图书介绍：本书共分5章，第1章为模糊集合基本理论，第2章为模糊聚类与综合评判，第3章为变权决策，第4章为属性数学，第5章为灰色关联分析与灰色评估。

第1章绪论1.1合成孔径雷达概况1.2发展历程1.2.1国外SAR发展历程1.2.2我国SAR发展历程1.3发展趋势1.4主要应用1.4.1军事领域1.4.2民用领域1.5内容安排第2章合成孔径雷达2.1概述2.2SAR成像基本原理2.2.1距离向分辨率与脉冲压缩技术2.2.2方位向分辨率与合成孔径原理2.2.3点目标信号回波模型2.2.4SAR成像处理与算法2.3SAR成像的几何特性2.3.1斜距图像的比例失真2.3.2透视收缩与顶底位移2.3.3雷达阴影2.3.4雷达视差与立体观察第3章雷达目标电磁散射计算3.1概述3.1.1电磁散射基本计算方法3.1.2严格的经典解法3.1.3近似求解方法3.2等效电磁流计算3.2.1等效电磁流奇异性的消除3.2.2等效电磁流的分析与计算3.3多次散射的计算3.3.1几何/物理光学混合算法3.3.2存在多重散射的条件和遮挡关系的判断3.3.3几何光学/等效电磁流混合算法3.3.4GO/PO混合方法的应用3.4腔体结构电磁散射RCS计算3.4.1复射线近轴近似电磁散射算法3.4.2计算实例3.5复杂目标电磁散射的计算3.5.1复杂目标几何建模3.5.2复杂目标电磁散射混合计算第4章合成孔径雷达图像特征分析4.1概述4.2SAR图像辐射特征4.2.1SAR图像回波强度的概率分布4.2.2辐射分辨率4.3SAR图像噪声特征4.4SAR图像目标几何特征4.4.1点目标4.4.2线目标4.4.3面目标4.5SAR图像灰度统计特征4.5.1幅度特征4.5.2直方图特征4.5.3统计特征4.6SAR图像纹理特征4.6.1方向差分特征4.6.2灰度共现特征4.6.3小波纹理能量特征第5章合成孔径雷达图像分割5.1概述5.2阈值分割法5.2.1基于遗传算法的二维最大熵阈值分割法5.2.2二维模糊熵阈值分割法5.2.3双阈值分割算法5.3基于马尔可夫随机场模型的分割法5.3.1吉布斯MEF分割模型5.3.2吉布斯MRF分割算法5.3.3多尺度MRF图像分割5.4基于多尺度几何分析的分割法5.4.1基于Contourlet变换的SAR图像分割5.4.2基于Wedgelet变换的SAR图像分割5.5分割评价方法5.5.1分割质量评价5.5.2适用情况分析第6章合成孔径雷达图像目标分类6.1概述6.1.1分类流程6.1.2评价标准6.2概率密度函数估计6.2.1单-密度函数6.2.2混合密度函数6.2.3有限混合密度函数的逼近能力6.3参数估计6.3.1极大似然估计6.3.2EM算法6.4最小距离分类法6.5最大后验概率分类法6.6支持向量机分类法6.6.1支持向量机原理6.6.2支持向量机分类法6.7隐马尔可夫优化分类法6.7.1HMM原理6.7.2HMOC模型第7章合成孔径雷达图像目标识别7.1概述7.1.1识别方法7.1.2自动目标识别系统7.2基于电磁特性的目标识别7.3典型目标识别7.3.1道路识别7.3.2机场识别7.3.3MSTAR坦克识别第8章合成孔径雷达图像融合8.1概述8.1.1图像融合概念8.1.2融合效果评价8.2SAR图像与可见光图像融合8.2.1提升小波变换8.2.2基于提升小波变换区域统计特性的融合算法8.3SAR图像与多光谱图像融合8.3.1主成分分析方法8.3.2基于主成分分析的SAR与多光谱图像融合8.4多波段SAR图像融合8.4.1基于atrous算法方向滤波器组的多波段SAR图像灰度融合8.4.2多波段SAR图像伪彩色融合第9章合成孔径雷达图像压缩9.1概述9.1.1第一代和第二代压缩技术9.1.2多尺度方向分析技术9.2SAR图像压缩中的典型特征9.2.1纹理特征9.2.2变换域系数统计特征9.3SAR图像Non-SWMDA压缩方法9.3.1不可分离小波的提升实现9.3.2基于块分割的二叉树编码方案设计9.4SAR图像压缩效果评价9.4.1保真度准则9.4.2特征衡量标准

基因的增强子在深度学习中的预测方法及应用。

（李开泰）有限元方法及其应用（教材），主要讲述有限元方法的方法结构及数学基础，包括变分原理、形状函数、有限元子空间、有限元程序设计流程等。

本书的目标是对网络分析方法进行综述，为那些对分析关系数据感兴趣的研究者提供一本参考书，也可作为社会网络初学者了解该领域基本情况的教科书。

软件工程——原理、方法与应用（第3版本）史济民顾春华版期末考试重要知识点整理，覆盖全书。

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。