为了提高雷达调制信号在电子对抗环境中的分选准确度，建立了基于偏联系数模糊聚类(PCFCM)算法和教与学随机森林(TLRF)算法的雷达调制信号分选(PCFCM-TLRF)模型。
该模型引入偏联系数(PCN)改进K均值聚类(K-means)算法，优化模糊C均值聚类(FCM)算法，用优化后的FCM算法对信号样本集进行预处理；
使用“教与学”优化(TLBO)算法优化随机森林(RF)算法，使优化后的RF算法能够以更低的复杂度构成更优的分类器；
将预处理后的样本作为TLRF中的训练样本实现信号分选。
研究结果表明，与其他分选模型相比，PCFCM-TLRF模型具有更高的分选准确度，能够有效地实现雷达调制信号的分选。

飞秒激光器改进光波导的制作

这是对WPFVisifire3.6.8源代码进行的简单扩展，本源代码中包含了各种实例以及一个完善的程序：内存监视器1＞修改了线Legend样式，并放大了，源系统Legend太小2、设置了圆环内径可设定，原代码内径为外径的1/23、调整了柱状图的间隔系数由0.1改为0.2，要不然，当柱状图比较多时，缝隙太小，给人的视觉感觉就是夹了一个白线4、添加了滚轮缩放和鼠标拖放操作(见里面的程序：内存监视器)5、添加了对DataPoints的绑定支持，这是因为使用DataSource绑定时，在动态曲线的情况下，内存无法释放，而使用DataPoints绑定则可以及时释放内存，这点例子里面也使用了几种绑定的动态曲线例子，并可通过另一个例子：内存监视器来检测不同的数据绑定的内存释放情况。
值得说明的是即使最新的WPFVisifire5.1.7版本，在使用DataSource绑定时，内存也不能及时释放。
还有一些其他的小改进感觉修改WPFVisifire的代码相当困难，很多在不断的尝试下进行的，这点和微软的WPFCharts相比，确实不一样，微软的WPFCharts是完全基于WPF编程思想进行的，注重其神而忽略其形，很多样式模板都是可以在外部修改的，相应的有关外形定义的属性则很少，而这点上，WPFVisifire则相对比价传统，几乎没定义多少模板，但提供了超多的外形属性，连字体大小、颜色等各种属性都能设定。
在数据性能上，微软的WPFCharts比较差，加载4000个数据就慢得不行，WPFVisifire3.6.8一万多个都没问题，更高的没测试，而最新的那个5.1.7版本在我的电脑上加载10W个数据在0.7秒左右，所以要想高性能，商业上还是得花那么一点钱买正版。
微软的Chart扩展：http://download.csdn.net/detail/maiker/9646423

平移不变小波去噪程序演示以平移不变小波为平台所用是作者自己改进的bayesShrik算法

基于学习方法构造的冗余字典可更加准确地提取信号的结构特征，也是近几年的研究热点。
论文在研究了基于KSVD字典学习的图像去噪算法的基础上，将相关系数匹配准则和字典裁剪方法相结合，提出一种改进的字典学习算法，进一步，为了利用图像的非局部自相似性信息，提出将自相似性作为一个约束正则项融入到图像去噪模型，提出基于改进字典学习和非局部自相似性的图像去噪算法。
大量实验验证，与传统KSVD去噪方法相比，该方法在提高同质区域平滑性的同时还能保留更多的纹理、边缘等细节特征。

向量空间模型（VSM）的JAVA实现，从文档表示到相似度计算，使用两种相似度计算方式：cos和tf-idf算法，对错误进行修改

采用js面向对象、面向切面的方式实现的坦克大战游戏。
通过jquery来操作dom。
文件描述：init.js ---初始化的JS，初始化全局对象Util.js ---用到的一些公共方法的JSPanel.js ---面板JSSteel.js ---障碍物JSTank.js ---坦克JS，坦克电脑模式的算法在startPcMode函数中Bullet.js ---子弹JSindex.js ---生成需要的对象及控制键盘操作的JSAop.js ---通过切面的方式来维护一些独立的功能

在不同解包裹算法中,最小费用流(MCF)解包裹法可以限制残差点误差远程扩散,并将误差优先限制在低相干区域,有利于保证高相干区域解包裹结果不受干扰,精度较高,但残差点数量较多时计算效率很低。
为缩短解包裹时间,提出一种残差点预处理方法。
该方法将残差点视作正负电荷,通过电场力,引导距离较近的异号残差点互相抵消,大幅减少残差点数量,从而提高解包裹计算效率。
仿真数据和实验数据表明,残差点预处理对MCF解包裹精度影响很小,在残差点数量超过3000时可以大幅提高解包裹计算效率。

以前发过同样的一个版本代码基本相同，但以前的版本有些小bug另外这个版本也加了使用方法，以防有的人不会用希望大家用的愉快如有不懂，可以相互交流。

我根据网上的郑平老师的视频，然后加以改进的东西。
适合于初学者的学习。
这是我们课程设计的题目。
有增删改查和打电话发短信等等功能。

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。