【作　者】田瑞峰，刘平安主编；
霍岩，李树声，邹高万副主编；
王革主审【丛书名】工业和信息化部“十二五”规划教材【形状项】452【出版项】哈尔滨：哈尔滨工程大学出版社,2015.08【ISBN号】978-7-5661-1104-3【中图法分类号】TK124;O351.2【原书定价】65.00【主题词】流体流动-数值计算-传热学【参考文献格式】田瑞峰，刘平安主编；
霍岩，李树声，邹高万副主编；
王革主审.传热与流体流动的数值计算.哈尔滨：哈尔滨工程大学出版社,2015.08.内容提要:本书介绍了传热和流体流动素质计算中最常用的有限体积法和有限差分法，具体内容包括描述传热和流体流动问题的基本控制方程组，控制方程的通用形式及其分类；
有限体积法离散控制方程，压力修正算法对控制方程组求解顺序特殊的处理，离散后得到的代数方程的求解。

提出了一种基于改进离散粒子群优化算法求解机组组合问题的新方法.首先采用新的策略生成粒子,以保证所有生成的粒子均为满足基本约束条件的可行解,使整个算法只在可行解区域进行优化搜索;然后引入优化窗口的概念和启发式的规则以缩短计算时间和提高优化精度.仿真结果表明所提出的算法具有解的质量高、收敛速度快的特点,充分证明了它能很好地处理机组组合问题。

几何化计算几何研究的对象是几个图形。
早期人们对于图像的研究一般都是先建立坐标系，把图形转换成函数，然后用插值和逼近的数学方法，特别是用样条函数作为工具来分析图形，取得了可喜的成功。
然而，这些方法过多地依赖于坐标系的选取，缺乏几何不变性，特别是用来处理某些大挠度曲线及曲线的奇异点等问题时，有一定的局限性。
几何图形是实际物体的抽象描述，几何化是指被研究对象本身的性质所决定的一种必然趋势。
代数化在国外，计算几何的代数化有一股很强的势头。
为了在计算机和图形显示终端表示和处理各种复杂的曲面和几何形体，需进行大量的计算，往往需要将问题代数化、线性化、离散化，特别对于最新式的全色连续色调的图像，必须对显示屏上的光栅网格点逐点进行计算扫描。
图形化随着交互式图形显示系统在CAGD中的广泛应用，计算机图形学作为新兴学科得到迅速发展。
其主要研究对象是图形的生成、变换、显示、剪取、隐藏线和隐藏面的消除、阴影色调及相应的光顺处理等。
其中剪取问题是计算机图形学的一个基本问题，剪取的关键是速度，尤其是在交互式动态显示和最新式的光扫描中。

这是一个静态JPEG图像编码及解码的程序。
程序同时实现了经典的和Chen陈氏数据流图的DCT离散余弦变换。
预先定义JPEG图像质量级别矩阵和zigzag排序。

这是一个静态JPEG图像编码及解码的程序。
程序同时实现了经典的和Chen陈氏数据流图的DCT离散余弦变换。
预先定义JPEG图像质量级别矩阵和zigzag排序。

《MATLAB神经网络43个案例分析》源代码&数据《MATLAB神经网络43个案例分析》目录第1章BP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网络的预测----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章初始SVM分类与回归第13章LIBSVM参数实例详解第14章基于SVM的数据分类预测——意大利葡萄酒种类识别第15章SVM的参数优化——如何更好的提升分类器的功能第16章基于SVM的回归预测分析——上证指数开盘指数预测.第17章基于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18章基于SVM的图像分割-真彩色图像分割第19章基于SVM的手写字体识别第20章LIBSVM-FarutoUltimate工具箱及GUI版本介绍与使用第21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22章SOM神经网络的数据分类--柴油机故障诊断第23章Elman神经网络的数据预测----电力负荷预测模型研究第24章概率神经网络的分类预测--基于PNN的变压器故障诊断第25章基于MIV的神经网络变量筛选----基于BP神经网络的变量筛选第26章LVQ神经网络的分类——乳腺肿瘤诊断第27章LVQ神经网络的预测——人脸朝向识别第28章决策树分类器的应用研究——乳腺癌诊断第29章极限学习机在回归拟合及分类问题中的应用研究——对比实验第30章基于随机森林思想的组合分类器设计——乳腺癌诊断第31章思维进化算法优化BP神经网络——非线性函数拟合第32章小波神经网络的时间序列预测——短时交通流量预测第33章模糊神经网络的预测算法——嘉陵江水质评价第34章广义神经网络的聚类算法——网络入侵聚类第35章粒子群优化算法的寻优算法——非线性函数极值寻优第36章遗传算法优化计算——建模自变量降维第37章基于灰色神经网络的预测算法研究——订单需求预测第38章基于Kohonen网络的聚类算法——网络入侵聚类第39章神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类第40章动态神经网络时间序列预测研究——基于MATLAB的NARX实现第41章定制神经网络的实现——神经网络的个性化建模与仿真第42章并行运算与神经网络——基于CPU/GPU的并行神经网络运算第43章神经网络高效编程技巧——基于MATLABR2012b新版本特性的探讨

全书共分三大部分：一、高等概率的基本概念与工具，诸如随机元(含特例随机变量)及其分布，随机元的特征泛函，各种收敛性(含依概率收敛、概率为1地收敛、LP收敛、完全收敛、淡收敛、局部弱收敛及弱收敛等)；
二、概率极限理论，包括大数定律，中心极限定理，重对数律，不变原理，无穷可分律的理论及其应用等；
三、随机过程论，包括可数状态离散时间的马尔可夫链，可数状态连续时间的马尔可夫过程，随机环境中马尔可夫链，鞅论等。
在每章的最初，附有习题与应用。

图像处理结果所需评价目标，matlab源代码，包括图像的熵，互信息，离散度，空间散度，自相关系数，梯度等等评价目标，评价目标完善。

为了有效改善解码语音的质量，提出了一种K-L变换语音波形编码算法。
由语音帧构造协方差矩阵，并对其进行特征值分解，得到特征值及其对应的特征向量，由特征向量构造正交矩阵；
用正交矩阵对语音帧作正交变换得到变换系数向量；
选取适当特征值对应的特征向量构造重构矩阵；
用重构矩阵对变换系数向量作逆变换得到增强后的语音信号；
对增强后的语音抽取并传输至解码端；
通过插值技术重构语音信号。
在不同信噪比下对不同语音样本进行仿真实验，并同离散余弦变换编码比较，实验表明，该算法不仅数据压缩率高、解码语音清晰和自然，而且同时实现语音良好的自顺应增强。

为了有效改善解码语音的质量，提出了一种K-L变换语音波形编码算法。
由语音帧构造协方差矩阵，并对其进行特征值分解，得到特征值及其对应的特征向量，由特征向量构造正交矩阵；
用正交矩阵对语音帧作正交变换得到变换系数向量；
选取适当特征值对应的特征向量构造重构矩阵；
用重构矩阵对变换系数向量作逆变换得到增强后的语音信号；
对增强后的语音抽取并传输至解码端；
通过插值技术重构语音信号。
在不同信噪比下对不同语音样本进行仿真实验，并同离散余弦变换编码比较，实验表明，该算法不仅数据压缩率高、解码语音清晰和自然，而且同时实现语音良好的自顺应增强。

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。