模拟风扇(满分50分)版本1：满分15分模拟实现电风扇，可以调3档速度（慢速、中速、快速）；
开关按钮；
定时吹风；
描述风扇的扇叶大小、颜色等。
设计Fan类，属性包括：3个常量SLOW（1）、MEDIUM（2）、FAST（3）代表风扇的速度；
1个int属性speed指定速度，默认值为SLOW；
1个boolean属性on指定开关机，默认值false；
1个double属性radius指定风扇扇叶大小；
1个String属性color指定扇叶颜色，默认值为blue。
方法包括这些属性的访问器、构造函数、重写Object类的toString()和equals()方法等。
运行测试代码：publicstaticvoidmain(String[]args){Fan1fan1=newFan1();fan1.setSpeed(Fan1.FAST);fan1.setRadius(10);8fan1.setColor("yellow");fan1.setOn(true);System.out.println(fan1.toString());}版本2：满分15分修改版本1中Fan类，让其继承JPanel类，并且把color属性设置为Color类型，默认属性为red。
随机产生radius，取值范围为1-5；
随机产生颜色，取值范围为red、blue、yellow、green、orange；
根据color、radius属性值绘制风扇。
版本3：满分20分让版本2中的风扇转起来。
创建一个FanControl类包含以下内容：Start、Stop、Reverse按钮，用于开启、关闭、反转控制；
一个滚动条控制速度。

EnhancedMemoryLeakDetectionforVisualC++VisualLeakDetectorisafree,robust,open-sourcememoryleakdetectionsystemforVisualC++.It'sprettyeasytouse.Afterinstallingit,youjustneedtotellVisualC++wheretofindtheincludedheaderandlibraryfile.ThenitcanbeusedwithanyC/C++projectsimplybyaddingthefollowinglinetoyourcode:#includeWhenyourunyourprogramundertheVisualStudiodebugger,VisualLeakDetectorwilloutputamemoryleakreportattheendofyourdebuggingsession.Theleakreportincludesthefullcallstackshowinghowanyleakedmemoryblockswereallocated.Double-clickonalineinthecallstacktojumptothatfileandlineintheeditorwindow.It'saveryeffectivewaytoquicklydiagnose,andfix,memoryleaksinC/C++applications.ThemaindifferencebetweentheCRTDebugLibraryandVLD,isthatVisualLeakDetectorshowsyouthecompletecallstackusedformemoryallocationhasledtotheleak.

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);

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。