HMM(HiddenMarkovModel,隐马尔科夫模型)是一种用参数表示的用于描述随机过程统计特性的概率模型，是一个双重随机过程,由两个部分组成:马尔可夫链和一般随机过程。
其中马尔可夫链用来描述状态的转移，用转移概率描述。
一般随机过程用来描述状态与观察序列间的关系，用观察值概率描述。

基于MSP430的FFT算法源码之前由于工作需要，在MSP430F169和IAREW430v3.42环境下做了整型数的FFT算法，主要是为了追求快速计算，但实际实验中发现定点数算法在小信号的时候精度损失比较大，所以最近又重新作了单精度浮点数的FFT算法，同样只针对实数序列。
经实验发现，MSP430的浮点数计算并没有想象中的那么慢，完成一次128点的FFT序列变换，大概需要130ms左右（8MHz主频），下面是我的源代码：

Java自动改键程序 本程序用于手机Java程序的键值修改，并支持触摸屏机型加入触屏键支持。
大家都经常在自己的手机上安装各种Java游戏或程序，但由于手机按键的不兼容性，导致有很多心仪的游戏无法正常在自己的爱机上正常工作。
兼之目前有大量手机采用触摸屏方式工作，缺少足够的按键支持。
本程序的开发即为解除各位玩家对于游戏按键的困扰，以扩展手机游戏或程序的适用范围。
Requirement: 在运行这个程序之前，我先假定你了解一些键值的基本知识，并清楚你手机的具体键值信息 1.了解目标手机键值 2.通过运行程序，了解需转换程序要用到的按键 3.了解按键值与二进制码的对应关系 4.如果需要开启触屏键，请确认你的手机支持触屏并了解屏幕分辨率 5.本程序只处理按键转换，未涵盖其它功能，因此请先确认需转换程序可以在你的手机上启动运行(或者先使用Javamagic等其它转换程序先处理运行兼容性问题)Feature: 1.支持1~16个键值转换 2.将触摸屏分为9部分，可以添加最多9个触屏按键 3.自动修改和重新打包Jar文件 4.不影响原有程序或游戏的运行及工作流程 5.支持手機程序屏幕旋轉Howtouse: 1.将程序展开到一子目录中，原程序共包括5个文件，其中chmobilkey.exe为主运行程序，7za.exe为解/压缩程序，convkeycanvas.class为键值转换原型类，keyvalue为键位设定文件供保存用户键位设定值，keyoffset为原型类定位文件，用于原型类的升级。
2.运行chmobilkey.exe文件。
3.选择Default载入缺省设置，选择Settingfile载入上次保存的键位设置，选择ClassFile载入原型类键值数据 4.在窗口的左侧为16个键值转换设置栏，其中包含原始键值设置与转换键值设置。
原始键值指需转换的Jar游戏需要用到的手机键值，转换键值指你的手机使用的按键值。
5.当原始键值设定重复时，以序列号小的键值转换为优先。
6.在窗口右侧为触摸屏设置栏，可以设置触屏键是否启用以及触屏键值及触摸屏的分隔设置。
其中中心的9个触屏键值可以设定为游戏中需要用到的键值，旁边4个横纵座标设定是指如何划分触摸屏的9个区域（合理地设置坐标，可以将屏幕划分为1/2/3/4/6/9个区域/按键），以适用于不同屏幕大小的手机。
当然，在键位足够的情况下，用户也可以不选择启用触屏键，这样可以提高程序运行的速度。
7.设置完成后，可以选择Save将此次键位设置保存到配置文件中。
8.选择Run后弹出文件选择框，选择需要转换的Jar文件开始转换（需要转换的Jar文件需要与改键程序在同一路径下） 9.转换完成的文件名为pkg_new.jar，此时用户可以重命名该文件并另行保存………………

MATLAB神经网络30个案例分析（高清+源码）包括BP、RBF、SVM、SOM、Hopfield、LVQ、Elman、小波等神经网络。
MATLAB神经网络30个案例分析（高清+源码）该书共有30个MATLAB神经网络的案例(含可运行程序），包括BP、RBF、SVM、SOM、Hopfield、LVQ、Elman、小波等神经网络；
还包含PSO(粒子群）、灰色神经网络、模糊网络、概率神经网络、遗传算法优化等内容。
该书另有31个配套的教学视频帮助读者更深入地了解神经网络。
本书可作为本科毕业设计、研究生项目设计、博士低年级课题设计参考书籍，同时对广大科研人员也有很高的参考价值。
-------目录第1章P神经网络的数据分类——语音特征信号分类第2章BP神经网络的非线性系统建模——非线性函数拟合第3章遗传算法优化BP神经网络——非线性函数拟合第4章神经网络遗传算法函数极值寻优——非线性函数极值寻优第5章基于BP_Adaboost的强分类器设计——公司财务预警建模第6章PID神经元网络解耦控制算法——多变量系统控制第7章RBF网络的回归——非线性函数回归的实现第8章GRNN的数据预测——基于广义回归神经网络的货运量预测第9章离散Hopfield神经网络的联想记忆——数字识别第10章离散Hopfield神经网络的分类——高校科研能力评价第11章连续Hopfield神经网络的优化——旅行商问题优化计算第12章SVM的数据分类预测——意大利葡萄酒种类识别第13章SVM的参数优化——如何更好的提升分类器的性能第14章SVM的回归预测分析——上证指数开盘指数预测第15章SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测第16章自组织竞争网络在模式分类中的应用——患者癌症发病预测第17章SOM神经网络的数据分类——柴油机故障诊断第18章Elman神经网络的数据预测——电力负荷预测模型研究第19章概率神经网络的分类预测——基于PNN的变压器故障诊断第20章神经网络变量筛选——基于BP的神经网络变量筛选第21章LVQ神经网络的分类——乳腺肿瘤诊断第22章LVQ神经网络的预测——人脸朝向识别第23章小波神经网络的时间序列预测——短时交通流量预测第24章模糊神经网络的预测算法——嘉陵江水质评价第25章广义神经网络的聚类算法——网络入侵聚类第26章粒子群优化算法的寻优算法——非线性函数极值寻优第27章遗传算法优化计算——建模自变量降维第28章基于灰色神经网络的预测算法研究——订单需求预测第29章基于Kohonen网络的聚类算法——网络入侵聚类第30章神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类MATLAB

1. 网格分辨率＞100x1002. 网格结点数据为随机生成的[0,1]数据3. 等值为0.2、0.84. 将等值线用分别用不同颜色标示

利用传入参数给定的控制顶点构成的顶点序列画出bezier曲线

包含灰序列生成、灰色关联分析、灰色聚类分析、灰色预测模型、灰色决策分析等包含灰序列生成、灰色关联分析、灰色聚类分析、灰色预测模型、灰色决策分析等

IDRISI是遥感与地理信息系统结合应用的系统，系统包括遥感图像处理、地理信息系统分析、决策分析、空间分析、土地利用变化分析、全球变化监测、时间序列分析、适宜性评价制图、地统计分析、元胞自动机土地动态变化趋势预测、图像分割、不确定性管理、生物栖息地评估等300多个实用而专业模块，这一软件集地理信息系统和图像处理功能于一体，依托克拉克大学研究计划的大力支持，为众多相关应用领域提供有力的研究与开发工具。
尤其在科学研究方面，IDRISI始终关注其理论、技术前沿的发展动向，不断吸收最新成果，并将其转化为扩展的功能模块加入到软件系统之中。
从1987年开始，共开发出了17个版本，2012年1月最新版IDRISISelva(热带雨林版)发布。

设定：一个房间中两个麦克风，一个放在远处采集房间噪声，一个放在说话人附近采集带噪语音信号，认为两个音频文件的噪声相似。
目标是使用LMS自适应滤波算法来抑制噪声还原语音。
仿真：现给定一录音.mat文件，其中：s是原音频内容；
ref_noise是均值为0，方差为1的高斯噪声；
mixed是叠加上高斯噪声序列；
fs为信号采样率。
要求使用LMS自适应滤波法抑制噪声。

本规范包括以下主要内容：－物理特性：规定了接近式卡（PICC）的物理特性。
本部分等同于ISO/IEC14443-1内容。
－射频功率和信号接口：规定了在接近式耦合设备（PCDs）和接近式卡（PICCs）之间提供功率和双向通信的场的性质与特征。
本部分没有规定产生耦合场的方法，也没有规定遵循电磁场辐射和人体辐射安全的规章。
本部分等同于ISO/IEC14443-2内容。
－初始化和防冲突：本规范描述了PICC进入PCD工作场的轮询；
在PCD和PICC之间通信的初始阶段期间所使用的字节格式、帧和定时；
初始REQ和ATQ命令内容；
探测方法和与几个卡（防冲突）中的某一个通信的方法；
初始化PICC和PCD之间的通信所需要的其它参数；
容易和加速选择在应用准则基础上的几个卡中的一个（即，最需要处理的一个）的任选方法。
本部分等同于ISO/IEC14443-3内容。
－传输协议：规定了以无触点环境中的特殊需要为特色的半双工传输协议，并定义了协议的激活和停活序列。
这一部分适用于类型A和类型B的PICC。
本部分等同于ISO/IEC14443-4内容。
－数据元和命令集：定义了金融应用中关闭和激活非接触式通道所使用的一般数据元、命令集和对终端响应的基本要求。

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。