本程序在MATLAB基础上，实现了混沌序列加密视频流的算法研究，同时也有图片加密的相关程序代码。

protocolbuffers是一种语言无关、平台无关、可扩展的序列化结构数据的方法，它可用于（数据）通信协议、数据存储等。
ProtocolBuffers是一种灵活，高效，自动化机制的结构数据序列化方法－可类比XML，但是比XML更小（3~10倍）、更快（20~100倍）、更为简单。
你可以定义数据的结构，然后使用特殊生成的源代码轻松的在各种数据流中使用各种语言进行编写和读取结构数据。
你甚至可以更新数据结构，而不破坏由旧数据结构编译的已部署程序。
protobuf-3.13.0.1.zip

Matlab2013bCrackfor32bits完美解决32位系统安装matlab2013b时出现的error114错误破解教程：参考里面的readme.txt文件1.序列号见文档内，有两个，其中一个为备用2.解压install_jar.rar，将matlab安装所在文件中java\jar\install.jar用解压文件中的install.jar替换3.MATLAB\R2013b\bin\win32\libmwservices.dll用破解文件中的对应的替换然后就可以运行了

SecureCRTv7.0注册机,亲测scrt733版本破解成功SecureCRT注册机激活步骤如下：1）准备工作：安装好SecureCRT软件，下载并得到该注册机。
2）保持SecureCRT软件关闭（运行的话会提示你正在运行的，关闭就好）。
3）将注册机拷贝到你的CRT软件的安装的目录下；
　4）点击【Patch】按钮，会让你选择文件，选择SecureCRT.exe可执行文件，还会再提示一次选择一个help什么文件。
总之，确定后都会提示成功信息。
5）然后打开CRT软件，按照相应的提示输入注册机上显示的信息（当然重新生成也是可以的）。
注意，默认打开CRT时候会是一个输入key的页面，什么都不输入，点击下一步，选择输入自己的相关信息。
就会看到分别让你输入名称、序列号等相关日期了。
完成结束。
看看自己的是否有激活成功。
有的可能会再第一次时候出现失败，重复1~2次会成功的。

合成孔径视觉测距是多目视觉测量与单目视觉测量相结合的产物。
合成孔径聚焦测距方法是一种通用的图像视觉方法，对光照、色彩、纹理等变化稳定性好，能实时处理，适用于复杂的交通管理工程，为车辆自动驾驶找到了一种新导航方法。
利用小孔成像模型摄像机共面阵列获取图像序列，根据图像序列获取各距离段所对应的桶型失真和像差校正叠加图像，计算基准图像中每个像素的邻域与每一幅校正叠加图像中相应区域的相似测度，并选取相似测度随像差校正叠加图像变化的范围大于一预设阈值的像素作为可测距像素，相似度最大的校正叠加图像所对应的距离段即为该可测距像素对应目标点所处的距离段。
实测数据表明该测距方法具有鲁棒性好，算法简单的优点。

用MATLAB实现ARIMA模型实现某些变量对时间序列的预测

1.一棵二叉树的顺序存储情况如下：树中，度为2的结点数为（）。
A．1B．2C．3D．42.一棵“完全二叉树”结点数为25，高度为（）。
A．4B．5C．6D．不确定3．下列说法中，（）是正确的。
A.二叉树就是度为2的树B.二叉树中不存在度大于2的结点C.二叉树是有序树D.二叉树中每个结点的度均为24.一棵二叉树的前序遍历序列为ABCDEFG,它的中序遍历序列可能是（）。
A.CABDEFGB.BCDAEFGC.DACEFBGD.ADBCFEG5．线索二叉树中的线索指的是（）。
A．左孩子B.遍历C.指针D.标志6.建立线索二叉树的目的是（）。
A.方便查找某结点的前驱或后继B.方便二叉树的插入与删除C.方便查找某结点的双亲D.使二叉树的遍历结果唯一7.有abc三个结点的右单枝二叉树的顺序存储结构应该用（）示意。
A.abcB.ab^cC.ab^^cD.a^b^^^c8.一颗有2046个结点的完全二叉树的第10层上共有（）个结点。
A.511B.512C.1023D.10249.一棵完全二叉树一定是一棵（）。
A.平衡二叉树B.二叉排序树C.堆D.哈夫曼树10．某二叉树的中序遍历序列和后序遍历序列正好相反，则该二叉树一定是（）的二叉树。
A．空或只有一个结点B．高度等于其结点数C．任一结点无左孩子D．任一结点无右孩子11．一棵二叉树的顺序存储情况如下：123456789101112131415ABCDE0F00GH000X结点D的左孩子结点为（）。
A．EB．CC．FD．没有12．一棵“完全二叉树”结点数为25，高度为（）。
A．4B．5C．6D．不确定二、填空题（每空3分，共18分）。
1.树的路径长度：是从树根到每个结点的路径长度之和。
对结点数相同的树来说，路径长度最短的是完全二叉树。
2.在有n个叶子结点的哈夫曼树中，总结点数是2n-1。
3.在有n个结点的二叉链表中，值为非空的链域的个数为n-1。
4.某二叉树的中序遍历序列和后序遍历序列正好相反，则该二叉树一定是任一结点无左孩子的二叉树。
5.深度为k的二叉树最多有个结点，最少有k个结点。
三、综合题（共58分）。
1.假定字符集{a，b，c，d，e，f}中的字符在电码中出现的次数如下：字符abcdef频度9122023155构造一棵哈夫曼树（6分），给出每个字符的哈夫曼编码（4分），并计算哈夫曼树的加权路径长度WPL（2分）。
（符合WPL最小的均为哈夫曼树，答案不唯一）哈夫曼编码:2.假设用于通信的电文由字符集{a,b,c,d,e,f,g}中的字符构成，它们在电文中出现的频率分别为{0.31,0.16,0.10,0.08,0.11,0.20,0.04}。
要求：(1)为这7个字符设计哈夫曼树（6分）。
(2)据此哈夫曼树设计哈夫曼编码（4分）。
(3)假设电文的长度为100字符，使用哈夫曼编码比使用3位二进制数等长编码使电文总长压缩多少？（4分）(1)为这7个字符设计哈夫曼树为（符合WPL最小的均为哈夫曼树，答案不唯一）：(2)哈夫曼编码为：a:01;b:001;c:100;d:0001;e:101;f:11;g:0000(3)假设电文的长度为100字符，使用哈夫曼编码比使用3位二进制数等长编码使电文总长压缩多少？采用等长码，100个字符需要300位二进制数，采用哈夫曼编码发送这100个字符需要261二进制位，压缩了30

VHDL数字系统设计与测试课程的计数显示电路，附源代码、原理图、波形图，有状态转移图，最后附波形仿真，采用quartusII进行仿真。

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性能第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

这是一本学习混沌时间序列知识的很好教材。

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。