%用遗传算法进行简单函数的优化clearbn=22;%个体串长度inn=50;%初始种群大小gnmax=200;%最大代数pc=0.75;%交叉概率pm=0.05;%变异概率%产生初始种群s=round(rand(inn,bn));%计算适应度,返回适应度f和累积概率p[f,p]=objf(s);gn=1;whilegn＜gnmax+1forj=1:2:inn%选择操作seln=sel(s,p);%交叉操作scro=cro(s,seln,pc);scnew(j,:)=scro(1,:);scnew(j+1,:)=scro(2,:);%变异操作smnew(j,:)=mut(scnew(j,:),pm);smnew(j+1,:)=mut(scnew(j+1,:),pm);ends=smnew;%产生了新的种群%计算新种群的适应度[f,p]=objf(s);%记录当前代最好和平均的适应度[fmax,nmax]=max(f);fmean=mean(f);ymax(gn)=fmax;ymean(gn)=fmean;%记录当前代的最佳个体x=n2to10(s(nmax,:));xx=-1.0+x*3/(power(2,bn)-1);xmax(gn)=xx;gn=gn+1endgn=gn-1;%绘制曲线subplot(2,1,1);plot(1:gn,[ymax;ymean]);title('历代适应度变化','fonts',10);legend('最大适应度','平均适应度');string1=['最终适应度',num2str(ymax(gn))];gtext(string1);subplot(2,1,2);plot(1:gn,xmax,'r-');legend('自变量');string2=['最终自变量',num2str(xmax(gn))];gtext(string2);

Title:卡尔曼滤波与维纳滤波现代时间序列分析方法Author:邓自立Source:2001,哈尔滨工业大学出版社,396pAbstract:

不怎么实用，希望各位批评指导，相互学习clearall,closeall,TestDatabasePath=uigetdir('E:\我的大学','Selecttestdatabasepath');%自己设置地址prompt={'Entertestimagename:'};dlg_title='fingerRecognitionSystem';num_lines=1;def={'1'};TestImage=inputdlg(prompt,dlg_title,num_lines,def);TestImage=strcat(TestDatabasePath,'\',char(TestImage),'.bmp');im=imread(TestImage);ticI=imresize(im,[200200]);figure(1),subplot(131),imshow(I),title('原图');set(gcf,'position',[11600600]);level=graythresh(I);J=im2bw(I,level);figure(1),subplot(132),imshow(J),title('二值图');

利用python爬取飞猪网站获取全国景点的数据。
包含字段：序号（id），景点标题（title），封面图（picUrl）,销量（sold）,价格（price），对应飞猪网站的地址（url），景点城市（city）

LibraryofCongressCataloging-in-PublicationDataGriffiths,DavidJ.(DavidJeffery),1942-Introductiontoelectrodynamics/DavidJ.Griffiths,ReedCollege.–Fourthedition.pagescmIncludesindex.ISBN-13:978-0-321-85656-2(alk.paper)ISBN-10:0-321-85656-2(alk.paper)1.Electrodynamics–Textbooks.I.Title.QC680.G742013537.6–dc23

%线性调频信号的实部和虚部及时域脉压输出clearall;clc;T=16e-6;B=5e6;K=B/T;fs=6*B;Ts=1/fs;N=T/Ts;t=-T/2:T/(N-1):T/2;s=exp(j*pi*K*t.^2);y=conv(s,conj(s));len=length(y);t1=-T/2:T/(len-1):T/2;figure;plot(t,real(s));gridon;axis([-1.2e-51.2e-5-11]);xlabel('时间(s)');ylabel('幅度');title('LFM信号的I路');figure;plot(t,imag(s));gridon;axis([-1.2e-51.2e-5-11]);xlabel('时间(s)');ylabel('幅度');title('LFM信号的Q路');figure;plot(t1,20*log10(abs(y)/max(abs(y))));gridon;axis([-1.2e-51.2e-5-900]);xlabel('时间(s)');ylabel('幅度(dB)');title('时域脉压后的波形(未加权)');subplot(311);plot(t,real(s));gridon;xlabel('time(s)');ylabel('amplitude(dB)');title('realpartofLFM:T=16us,B=4MHz');axis([-T/2T/2-11]);subplot(312);plot(t,imag(s));gridon;xlabel('time(s)');ylabel('amplitude(dB)');title('imagepartofLFM:T=16us,B=4MHz');axis([-T/2T/2-11]);subplot(313);plot(t1,20*log10(abs(y)/max(abs(y))));gridon;axis([-1.2e-51.2e-5-900]);xlabel('时间(s)');ylabel('幅度(dB)');title('时域脉压后的波形(未加权)');

<html<head＞<metahttp-equiv="Content-Type"content="text/html;charset=utf-8"/><title>王莫</title><styletype="text/css">body{background-color:#000;}</style></head><body{> 欢迎进入LOL助手</body></html>

php文本站内全文检索说明：1。
文件结构：search.php和template.php（界面风格文件，可随意修改），search0.php是search.php的加强版。
2。
特点1）无需mysql支持，无需建立索引，无需设置路径，放在哪级目录下，就搜索该目录和子目录；
可以搜索一切文本类型的文件（txt.htm.asp.php.cgi.chm.hlp.）search.php为简单版，如果站点文件数量大，占用空间多，推荐使用，搜索结果如果有title，则显示title；
无title显示文件名，搜索结果自动编号。
search0.php在此基础上，增加了显示关键词所在行、关键词自动高亮显示、搜索结果分页处理。
如果站点文件数量大，占用空间多，搜索速度会相对较慢，因为需要使用数组占用内存。
2）搜索框代码（如果放在search.php相同目录下，无需修改）：如果使用search0.php版本，需要将action="search.php"作相应替换。
跨站调用，需要填写search.php的完整url。
3）速度：在时创网络和有个网络的风驰电掣型上，20M内容的搜索，反应速度约为1-2秒，国外很多的php免费空间上速度也差不多，但在新网经济型上奇慢。
下载：http://www.uj8eg1.chinaw3.com/phpsearch.zip演示：http://www.lingshidao.com/jiansuo.htm里面所有的php检索都是这个程序。

脑脊液###各种人体对比敏感度功能（CSF）模型如果您认为该项目可以为您提供帮助，或者可以使用该项目中的某些功能，请考虑引用以下文章：@inproceedings{Watson02,author={Watson,AndrewandMalo,Jesús},year={2002},month={02},pages={III-41},title={Videoqualitymeasuresbasedonthestandardspatialobserver},volume={3},isbn={0-7803-7622-6},journal={Proceedings/ICIP...InternationalConferenceonImageProcessing},doi={10.1109/ICIP.2

火星任务在此作业中，您将构建一个Web应用程序，该应用程序将刮擦各个网站以获取与“火星任务”相关的数据，并将该信息显示在单个HTML页面中。
以下概述了您需要执行的操作。
步骤1-刮使用JupyterNotebook，BeautifulSoup，Pandas和Requests/Splinter完成初始刮擦。
创建一个名为mission_to_mars.ipynb的JupyterNotebook文件，并使用该文件完成所有的抓取和分析任务。
以下概述了您需要抓取的内容。
美国宇航局火星新闻刮擦并收集最新的新闻标题和段落文本。
将文本分配给以后可以引用的变量。
#Example:news_title="NASA'sNextMarsMissiontoInvestigateInteriorofRedPlanet"news_p="Preparatio

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。