可以成功编译安装phpOpencv，解决make之后报错opencv_mat.cc:Infunction‘voidopencv_mat_at(cv::Mat*,int*,longint,zval*,longint*,double*)’:

小波变换代码包。
调用形式：ww=DWT(N)N为数据大小，返回变换系数矩阵。
使用举例X=imread('lena256.bmp');X=double(X);%小波变换矩阵生成ww=DWT(a);%小波变换让图像稀疏化（注意该步骤会耗费时间，但是会增大稀疏度）X1=ww*sparse(X)*ww';

在本文中，Boosting用于确定将基本预测变量聚合为Double-Bagging集合的顺序，并且通过基于两个启发式停止规则的早期停止聚集过程来构建子集合。
在所有调查的分类和回归问题中，修剪后的乐团在大多数情况下的表现要好于装袋，Boosting和完全随机排序的Double-Bagging乐团。
因此，当将预测精度，预测速度和存储要求都考虑在内时，所提出的方法可能是解决当前预测问题的好选择。

ZDT一、ZDT二、DTLZ1测试函数也写好了，附有试验下场图，阻滞对于巨匠学习有帮手！！voidgenerateLamda(intM)//暴发N个权重向量weightvector//lamdaM为N*M矩阵(N个lamda,每一个lamda有m维){//动态天生二维数组lamdaMat=newdouble*[N+3];//留意，int*[10]展现一个有10个元素的指针数组for(inti=1;i＜=N+1;i++){lamdaMat[i]=newdouble[M+1];}belta=newdouble*[N+3];//留意，int*[10]展现一个有10个元素的指针数组for(intx=1;x＜=N+1;x++){belta[x]=newdouble[M+1];}//2目的if(M==2){double*array1=newdouble[N+3];for(inti=0;i＜=N+1;i++)array1[i]=i*1.0/N;for(inti=1;i＜=N+1;i++)////////////////////////////////{lamdaMat[i][1]=array1[i-1];lamdaMat[i][2]=1-array1[i-1];//保障M个份量之以及为1}////////////////////////////////////////////////////////////

盘算机考研复试用的各科目PPT课本，另有C,CPP上机测验真题等参考资料科目搜罗：CPP（弥留），离散数学（弥留），编译原理，proteus仿真（汇编语言），盘算机图形学，盘算机收集，数据库原理，软件测试，机械学习（不申请）“机械学习”科目不做申请，但若操作一些内容，面试印象分可直接DOUBLE~~（特意大数据倾向）末了祝巨匠复试告成

欧拉计划（欧拉计划）算法练习部分，目录分类一塌糊涂，我也不打算好好整理了，就这么乱吧解的题有欧拉计划，ZOJ（这破网站最近登不上了）目录树.├──classical_clangc言语算法练习│  ├──array动态数组│  ├──avlavlu树│  ├──balance_check平衡检察│  ├──bigint大数实现│  ├──binary_heap二插堆│  ├──bloom_filter布隆过滤器│  ├──bst二叉查找树│  ├──bucket_sort.c筒排序│  ├──chinese_num│  ├──d_heapd堆│  ├──disjoinset并查集│  ├──double_queue双端链│  ├──factor因数分解│  ├──farey_series法力序列│  ├──fft.c傅里叶变换│  ├──gcd.c欧几里得算法│  ├──genetic_algorithm遗传算法│  ├──goog

N=512;A=zeros(N,N);B=zeros(N,N);forI=1:1:256J=1:1:256ImageNum=double(Image(I,J,1));A(I,J)=ImageNum/255;B(I,J)=0;endendfigure;imshow(A);pi=3.1415926;forI=1:1:NforJ=1:1:NR=rand(1,1);%生成一个元素在0,1之间均匀分布的随机矩阵RB(I,J)=A(I,J)*sin(R*2*pi);%平滑函数的傅里叶变换谱A(I,J)=A(I,J)*cos(R*2*pi);F(I,J)=A(I,J)+j*B(I,J);endEnd%限制振幅的动态范围,进步编码的精度F=fft2(F);%作二维快速傅里叶变换FFTMax=max(max(abs(F)));F=F/Max;A=real(F);B=imag(F);aIpha=0.5;%定义载波参数aIphaforI=1:1:NforJ=1:1:NXcos=(J-1)/127;A1(I,J)=cos(2*pi*aIpha*Xcos);B1(I,J)=sin(2*pi*aIpha*Xcos);endend%全息图数据区forI=1:1:NforJ=1:1:NHoIodata(I,J)=0.5+0.5*(A(I,J)*A1(I,J)+B(I,J)*B1(I,J));endEndM=512;N=512;%定义全息图的大小Hologram=zeros(M,M);S=M/N;%定义每个抽样单元大小forI=1:1:NforJ=1:1:NXa=(J-1)*S+1;Xb=J*S;Ya=(I-1)*S+1;Yb=I*S;forIx=Xa:1:XbforIy=Ya:1:YbHoIogram(Iy,Ix)=HoIodata(I,J);endendendendMax=max(max(HoIogram));HoIogram=HoIogram/Max;figure;imshow(HoIogram);%以下是用matlab分别计算函数各抽样点的傅里叶变换谱的幅角与模,并对各点的模归一化object=fft2(HoIogram);object=fftshift(object);%用matlab中的移谱函数fftshift()将频谱的低频成分移到中心,以避免再现时像分散在边缘object=abs(object);object=1000*object/max(max(object));figure;imshow(object);

N=512;A=zeros(N,N);B=zeros(N,N);forI=1:1:256J=1:1:256ImageNum=double(Image(I,J,1));A(I,J)=ImageNum/255;B(I,J)=0;endendfigure;imshow(A);pi=3.1415926;forI=1:1:NforJ=1:1:NR=rand(1,1);%生成一个元素在0,1之间均匀分布的随机矩阵RB(I,J)=A(I,J)*sin(R*2*pi);%平滑函数的傅里叶变换谱A(I,J)=A(I,J)*cos(R*2*pi);F(I,J)=A(I,J)+j*B(I,J);endEnd%限制振幅的动态范围,进步编码的精度F=fft2(F);%作二维快速傅里叶变换FFTMax=max(max(abs(F)));F=F/Max;A=real(F);B=imag(F);aIpha=0.5;%定义载波参数aIphaforI=1:1:NforJ=1:1:NXcos=(J-1)/127;A1(I,J)=cos(2*pi*aIpha*Xcos);B1(I,J)=sin(2*pi*aIpha*Xcos);endend%全息图数据区forI=1:1:NforJ=1:1:NHoIodata(I,J)=0.5+0.5*(A(I,J)*A1(I,J)+B(I,J)*B1(I,J));endEndM=512;N=512;%定义全息图的大小Hologram=zeros(M,M);S=M/N;%定义每个抽样单元大小forI=1:1:NforJ=1:1:NXa=(J-1)*S+1;Xb=J*S;Ya=(I-1)*S+1;Yb=I*S;forIx=Xa:1:XbforIy=Ya:1:YbHoIogram(Iy,Ix)=HoIodata(I,J);endendendendMax=max(max(HoIogram));HoIogram=HoIogram/Max;figure;imshow(HoIogram);%以下是用matlab分别计算函数各抽样点的傅里叶变换谱的幅角与模,并对各点的模归一化object=fft2(HoIogram);object=fftshift(object);%用matlab中的移谱函数fftshift()将频谱的低频成分移到中心,以避免再现时像分散在边缘object=abs(object);object=1000*object/max(max(object));figure;imshow(object);

1.账户类(满分50分)版本1：满分10分设计Account1类，包含：■一个名为id的int类型的私有数据域（默认值为0），长度为6位。
■一个名为balance的double类型的私有数据域（默认值为0）。
■一个名为annualInterestRate的double类型的私有数据域存储当前利率（默认值为0）。
假设所有的账户都有相同的利率。
■一个名为dateCreated的Date类型的私有数据域存储账户的开户日期。
■一个能创建默认账户的无参构造方法。
■一个能创建带特定id和初始余额的构造方法，初始余额不能为负数。
■id、balance和annualInterestRate的访问器和修改器。
■dateCreated的访问器。
■一个名为getMonthlyInterestRate的方法返回月利率。
■一个名为withDraw的方法从账户提取特定金额。
■一个名为deposit的方法向账户存人特定金额。
■double类型的数据域保留2位小数。
■成员方法和数据域应进行基本的合理性检查。
设计测试类ATMMachine1：■创建一个有100个账户的数组，其id为0,1,2，...99,并初始化收支为1000美元。
■主菜单如下（可参考教材中文版P296或英文版P367）：Mainmenu1:checkbalance2:withdraw3:deposit4:exit版本2：满分20分扩展Account1类为Account2类：■Account2类继承Account1类。
■为Account2类新增一个名为password的String类型的私有数据域存储账号密码。
password只能为字母或数字，长度不能小于6且不能大于10。
密码显示时为*******。
■为Account2类新增一个名为name的String类型的私有数据域存储客户名字。
■为Account2类新增一个名为transactions的ArrayList类型的新数据域，其为客户存储买卖记录。
这要求新建一个名为Transaction的类，类的定义请参照教材中文版P327或英文版P404。
每笔买卖都是Transaction类的一个实例。
■新增一个带初始余额的构造方法，其id随机产生，但不能与当前系统的id重复。
若初始余额的参数为负数，则抛出一个自定义异常并在当前构造方法中进行处理。
■重写方法withDraw，要求支取的金额为100的整数倍，并且当日支取金额不能超过5000，支取金额不允许透支。
每进行一次操作应向transactions数组线性表添加一笔买卖。
■重写方法deposit，要求每进行一次操作应向transactions数组线性表添加一笔买卖。
■新增一个方法changePassword，只有旧密码正确，新密码符合要求，且两次输入相同的情况下才可以成功修改密码设计测试类ATMMachine2，其主菜单如下（可参考教材中文版P296或英文版P367）：Mainmenu0：createaaccount1:checkbalance2:withdraw3:deposit4：detailsofthetransaction5:changepassword6：exit■若用户选择新建一个账号，则应提示用户输入账号password、balance和annualInterestRate，其中id随机产生。
新产生的账户应序列化到名为accounts.dat的文件中。
所有账户只能通过这种方式产生。
■所有用户操作结果应同步到accounts.dat文件中相应账户中。
■所有用户操作应有友好、简介的提示语。
版本3：满分20分请参照银行的ATM机界面，在Account2类的基础上开发一个GUI界面的ATM系统。
要求界面应模拟小键盘，并且账户信息读、写于文件accounts.dat。

用共生矩阵进行纹理特征提取**************************************************************************%图像检索——纹理特征%基于共生矩阵纹理特征提取，d=1,θ=0°,45°,90°,135°共四个矩阵%所用图像灰度级均为256%参考《基于颜色空间和纹理特征的图像检索》%function:T=Texture(Image)%Image:输入图像数据%T:前往八维纹理特征行向量%**************************************************************************functionT=Texture(Image)%Image=imread('E:\1\3.tiff');%[M,N,O]=size(Image);M=256;N=256;%--------------------------------------------------------------------------%1.将各颜色分量转化为灰度%--------------------------------------------------------------------------Gray=double(0.3*Image(:,:,1)+0.59*Image(:,:,2)+0.11*Image(:,:,3));%--------------------------------------------------------------------------%2.为了减少计算量，对原始图像灰度级压缩，将Gray量化成16级

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。