硬件实验平台的搭建：该设计主要由数据采集模块、控制模块、通信模块等三部分组成，其中数据采集模块包括温湿度采集传感器、空气质量检测传感器，控制模块STM32F103ZET6作为中央控制单元，通信模块包括红外发射模块以及移动通信模块。
同时，本设计的软件算法原理主要是基于预测评价指标的最适温度算法及空气质量检测算法实现的。
该系统的工作流程为系统上电后进行硬件模块的初始化，并在可以进行人机交互的触摸屏上完成设置，然后便由数据采集模块进行工作，实现空调的智能化控制以及空气质量的报警功能。
软件代码设计思路：本设计以STM32微控制作为核心处理器，利用PMV、热舒适方程设计最适温度算法，同时利用多传感器对室内的家居环境包括空气质量等指标进行实时的监测，然后控制空气净化器的开启并将房间内的环境监测数据利用GPRS技术发送至用户移动端。
本设计选用STM32F103ZET6作为核心处理器，选用高功能的SIM800C作为GSM模块完成远程移动通信，该模块通过简单的驱动电路与天线外围电路即可实现无线通信模块与STM32的硬件连接。
在环境数据监测方面，选用DHT11温湿度传感器来获取室内环境的实时湿度，选用DS18B20数字温度传感器完成温度数据的采集，为最适温度算法提供输入量。
控制器对空调的自动调节是基于红外编码方案实现。
具体硬件设计电路包括：电源模块，时钟模块，红外发射模块，温湿度采集模块，空气质量监测模块，和GPRS无线通信模块。
首先进行对室内的环境数据进行采集、还原、存储电路和DSP最小系统的设计，然后基于PMV及热舒适方程完成最适温度计算设定，并进行仿真论证，编写单片机程序，实现整个家电的智能化以及环境监测过程。

本论文研宄的对象为通信信号和生物医学信号,研宄的次要内容为通信信号的特征提取和调制方式识别,以及基于传感器的生物医学信号特征提取和聚类分析。
论文中的通信信号处理部分是依托于实验室的项目,在现代信号处理算法的基础上,综合运用统计学知识和机器学习算法,实现多种典型通信信号调制方式的识别和信噪比的估算

《非均匀有理B样条(第2版)》是CAD/CAM领域最为权威的经典著作。
作者Piegl和Tiller长期从事非均匀有理B样条（NURBS）的理论研究和实践，对NURBS方法的应用和推广作出了历史性的贡献。
《非均匀有理B样条(第2版)》的写作堪称完美，全书不仅以通俗易懂的手法详细、系统地引见了NURBS的理论、概念、原理和算法，并且图文并茂，每一幅插图都经过精心设计并由计算机算法实现，非常便于工程技术人员掌握其精髓。

一个用Matlab实现的模糊聚类算法，原始数据存放于F盘跟目录下，也可本人设置。
里面的注释也还可以，应该都能看懂，如果有一些模糊聚类算法基础的话。

数据挖掘算法算法目录18大DM算法包名 目录名 算法名AssociationAnalysis DataMining_Apriori Apriori-关联规则挖掘算法AssociationAnalysis DataMining_FPTree FPTree-频繁模式树算法BaggingAndBoosting DataMining_AdaBoost AdaBoost-装袋提升算法Classification DataMining_CART CART-分类回归树算法Classification DataMining_ID3 ID3-决策树分类算法Classification DataMining_KNN KNN-k最近邻算法工具类Classification DataMining_NaiveBayes NaiveBayes-朴素贝叶斯算法Clustering DataMining_BIRCH BIRCH-层次聚类算法Clustering DataMining_KMeans KMeans-K均值算法GraphMining DataMining_GSpan GSpan-频繁子图挖掘算法IntegratedMining DataMining_CBA CBA-基于关联规则的分类算法LinkMining DataMining_HITS HITS-链接分析算法LinkMining DataMining_PageRank PageRank-网页重要性/排名算法RoughSets DataMining_RoughSets RoughSets-粗糙集属性约简算法SequentialPatterns DataMining_GSP GSP-序列模式分析算法SequentialPatterns DataMining_PrefixSpan PrefixSpan-序列模式分析算法StatisticalLearning DataMining_EM EM-期望最大化算法StatisticalLearning DataMining_SVM SVM-支持向量机算法其他经典DM算法包名 目录名 算法名Others DataMining_ACO ACO-蚁群算法Others DataMining_BayesNetwork BayesNetwork-贝叶斯网络算法Others DataMining_CABDDCC CABDDCC-基于连通图的分裂聚类算法Others DataMining_Chameleon Chameleon-两阶段合并聚类算法Others DataMining_DBSCAN DBSCAN-基于密度的聚类算法Others DataMining_GA GA-遗传算法Others DataMining_GA_Maze GA_Maze-遗传算法在走迷宫游戏中的应用算法Others DataMining_KDTree KDTree-k维空间关键数据检索算法工具类Others DataMining_MSApriori MSApriori-基于多支持度的Apriori算法Others DataMining_RandomForest RandomForest-随机森林算法Others DataMining_TAN TAN-树型朴素贝叶斯算法Others DataMining_Viterbi Viterbi-维特比算法18大经典DM算法18大数据挖掘的经典算法以及代码实现，涉及到了决策分类，聚类，链接挖掘，关联挖掘，模式挖掘等等方面,后面都是相应算法的博文链接，希望能够协助大家学。
目前追加了其他的一些经典的DM算法，在others的包中涉及聚类，分类，图算法，搜索算等等，没有具体分类。
C4.5C4.5算法与ID3算法一样，都是数学分类算法，C4.5算法是ID3算法的一个改进。
ID3算法采用信息增益进行决策判断，而C4.5采用的是增益率。
详细介绍链接CARTCART算法的全称是分类回归树算法，他是一个二元分类，采用的是类似于熵的基尼指数作为分类决策，形成决策树后之后还要进行剪枝，我自己在实现整个算法的时候采用的是代价复杂度算法，详细介绍链接KNNK最近邻算法。
给定一些已经训练好的数据，输入一个新的测试数据点，计算包含于此测试数据点的最近的点的分类情况，哪个分类的类型占多数，则此测试点的分类与此相同，所以在这里,有的时候可以复制不同的分类点不同的权重。
近的点的权重大点，远的点自然就小点。
详细介绍链接NaiveBayes朴素贝叶斯算法。
朴素贝叶斯算法是贝叶斯算法里面一种比较简单的分类算法，用到了一个比较重要的贝叶斯定理，用一句简单的话概括就是条件概率的相互转换推导

数据结构中有关图结构的实验报告，里面包含图结构基本编程实现和最短路径算法实现，完好代码均附在报告中。

RD算法实现，包括低斜视角和大斜视角（SRC方式2、SRC方式3）两种情况，零碎固有参数见《DigitalProcessingofSARData》一书。

WFQ算法的实现及其与FIFO功能比较，类WFQ和FIFO调度算法。
发送端和接收端是用c++编写的，路由器转发的调度是用c编写

成绩：设有3个传教士和3个野人来到河边，打算乘一只船从右岸渡到左岸去。
该船的负载能力为两人。
在任何时候，如果野人人数超过传教士人数，那么野人就会把传教士吃掉。
他们怎样才能用这条船安全地把所有人都渡过河去？综合上述信息提取限制信息为：1、修道士和野人都会划船，但船一次只能载2人；
2、在任何岸边，野人数不能超过修道士数，否则修道士将会被野人吃掉

基于KDtree索引的点云坡度滤波，算法执行效率高，能够很好的完成点云滤波，但是需要人工干涉输入相关的阈值信息

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。