defGMM_algorithm(iterMax,gmm,dataset):'''高斯混合聚类算法:paramiterMax:最大迭代次数:paramgmm:保存gmm模型的数据:return:簇划分结果'''step=0m=len(dataset)flagMat=np.mat(np.zeros((m,1)))#保存每个样本的簇标记lateProbMat=np.mat(np.zeros((m,3)))#保存后验概率whilestep3):k+=1print(k)mark=['or','ob','og','ok','^r','+r','sr','dr','＜r','pr']#画出所有样例点属于同一分类的绘制同样的颜色foriinrange(numSamples):

一个opencv在Qt中的小应用，包含了Qt的多线程，QImage与Mat转化；
封装了qml接口，还包含了opencv中的一些图片检测和矫正技术

MIMOOFDMSimulator:OFDM.m:OFDMSimulator(outerfunction)create_channel.m:GeneratesaRayleighfadingfrequency-selectivechannel,parametrizedbytheantennaconfiguration,theOFDMconfiguration,andthepower-delayprofile.svd_decompose_channel.m:Sincefullchannelknowledgeisassumed,transmissionisacrossparallelsingularvaluemodes.Thisfunctiondecomposesthechannelintothesemodes.BitLoad.m:Applythebit-loadingalgorithmtoachievethedesiredbitandenergyallocationforthecurrentchannelinstance.ComputeSNR.m:Giventhesubcarriergains,thissimplefunctiongeneratestheSNRvaluesofeachchannel(eachsingularvalueoneachtoneisaseparatechannel).chow_algo.m:ApplyChow'salgorithmtogenerateaparticularbitandenergyallocation.EnergyTableInit.m:GiventheSNRvalues,formatableofenergyincrementsforeachchannel.campello_algo.m:ApplyCampello'salgorithmtoconvergetotheoptimalbitandenergyallocationforthegivenchannelconditions.ResolvetheLastBit.m:Anoptimalbit-loadingofthelastbitrequiresauniqueoptimization.modulate.m:Modulatetherandominputsequenceaccordingtothebitallocationsforeachchannel.ENC2.mat:BPSKModulatorENC4.mat:4-QAMModulator(Graycoded)ENC16.mat:16-QAMModulator(Graycoded)ENC64.mat:64-QAMModulator(Graycoded)ENC256.mat:256-QAMModulator(Graycoded)precode.m:Precodethetransmittedvectorateachtimeinstancebyfilteringthemodulatedvectorwiththeright-inverseofthechannel'srightsingluarmatrix.ifft_cp_tx_blk.m:IFFTblockoftheOFDMsystem.channel.m:ApplythechanneltotheOFDMframe.fft_cp_rx_blk.m:FFTblockoftheOFDMsystem.shape.m:Completethediagonalizationofthechannelbyfilteringthereceivedvectorwiththeleft-inverseofthechannel'sleftsingularmatrix.demodulate.m:Performanearestneighborsearchknowingthetransmitconstellationused.

在matlab中可以用来LSTM分类练手

用opencv来打开realsense,可以把realsense的彩色图像，深度图像，以及深度和彩色的配准图像以Mat的格式读入。

mulan数据库中的emotions部分。
将原本的java数据文件转换为了txt格式和matlab支持的mat格式，训练样本和测试样本已经分类好，适用于进行多标签学习的数据库

Labview生成的TDMS文件批量转MAT文件代码，包含convertData.m、simpleConvertTDMS.m、convertTDMS.m三个文件，读取同一个文件夹下所有tdms文件并转为同名的mat文件，亲测可用，另附读取转换后的mat文件数据的说明文档。

使用emd进行回归预测的代码，使用方法结单，只需输入训练集和测试集就可以进行emd预测了，预测的结果会保存在相应的.mat文件里，详细操作请看代码里的操作说明。
资源里有demo，guidence.m文件里有调用实例，直接复制到commandwindows里运行就可以了，简单易懂，汉语注释说明等。
运行结果会直接输出测试集的MAE,RMSE,MAPE,DISTAT这几个统计量

美国凯斯西储大学轴承测试数据CWRU，从官网下载的mat版本，有需要的可以下载

基于ffmpeg实现了解析rtsp视频为cv::Mat格式，此时可以对cv::Mat进行处理，然后再将cv::Mat数据推送到rtmp流媒体服务。
处理、转码一条龙。
另外，工程中关于OpenCV、ffmpeg的库和头文件的路径需要自己根据实际路径配置，如果没有这两种依赖库，官网上可以很轻松的下载到。

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。