在脑-机接口研究中，二维光标控制由于易实现、量化可以作为测试新范式和新算法原型的特点，一直是研究的热点。
基于减小使用者的控制难度，实现光标在二维平面内任意位置移动的目标，我们仅使用两类运动想象就实现了光标的二维控制。
通过把分类器的输出概率映射到我们设计的旋转控制坐标系中，实现光标二维移动。
结合最后设计的一种固定5目标的验证实验，邀请4人参与该实验，从他们的控制效果上，可以得到控制策略简单有效的结论。

针对维吾尔文手写体文本中行分割问题，本文基于连通域大小将图像中文字分为三类，提出了自适应涂抹细化算法，对主体文本行进行定位；
并对第三类连通域中相邻两文本行间粘连的字符进行切割；
此外，利用重心范围内的邻域搜索算法，解决了剩余笔画的文本行归附问题。
实验结果表明，本文方法与常见的水平投影法，分段投影法，及涂抹方法相比具有更好的分割效果。

西南交大计算机组成实验代码，quartus，需要的参考下，好好学习，天天向上

学长亲自写的，90+分，有问题请发邮件eebbk@163.com

本实验设计一个十字路口的交通灯控制器，分为东西和南北两个部分。
每个部分有五盏灯，分别为左转灯、直行灯、右转灯、人行道灯及黄灯，另外还有一个倒计时器。
左转灯、直行灯、右转灯、人行道灯亮表示允许通行，灯灭表示禁止通行；
黄灯亮表示即将有信号灯的状态发生改变；
倒计时显示了到下一状态的时间。
2.状态表(0表示灯灭，1表示灯亮)时间度量 东西方向 　南北方向 东西方向 南北方向t/s ← ↑ → 行人 黄 ← ↑ → 行人 黄 倒计时/s 倒计时/s0~13 0 1 1 0 0 0 0 0 0 0 13 4513~15 0 1 1 0 1 0 0 0 0 0 2 　15~28 0 1 0 1 0 0 0 0 0 0 13 　28~30 0 1 0 1 1 0 0 0 0 0 2 　30~43 1 0 0 0 0 0 0 0 0 0 13 　43~45 1 0 0 0 1 0 0 0 0 0 2 　45~58 0 0 0 0 0 0 1 1 0 0 45 1358~60 0 0 0 0 0 0 1 1 0 1 　 260~73 0 0 0 0 0 0 1 0 1 0 　 1373~75 0 0 0 0 0 0 1 0 1 1 　 275~88 0 0 0 0 0 1 0 0 0 0 　 1388~90 0 0 0 0 0 1 0 0 0 1 　 23.状态图(低电平表示灯灭，高电平表示灯亮)4.顶层设计图如图所示，交通灯控制器主要分为三个模块，交通灯状态控制，交通灯显示和倒计时。
交通灯状态控制模块：接受频率为1Hz的时钟信号，根据该信号进行处理，对交通灯显示和倒计时模块给出相应的状态编号(12个状态)。
交通灯显示模块：通过相应的状态设置两组交通灯的亮灭。
倒计时模块：通过相应的状态确定倒计时的基数及显示。

在色觉异常者的颜色视觉机制研究中，实验前期需要对每个被验者的色觉类型进行检测和分类。
采用常用的测验工具假同色图（石原表和标准色觉检查表），色相排列（FarnsworthD-15和Farnsworth-Munsell100-hue测验）和定量检测工具剑桥色觉测试对7名色觉异常者（三名红色盲，一名红色弱，一名绿色盲，两名绿色弱）进行了测验。
通过与色盲检查镜的测验结果相比较，分析了各测验工具在检测和分类中的优缺点。
在此基础上，给出了视觉实验前期色觉异常的检测和分类步骤。

1基于遗传算法的TSP算法（王辉）2基于遗传算法和非线性规划的函数寻优算法（史峰）3基于遗传算法的BP神经网络优化算法（王辉）4设菲尔德大学的MATLAB遗传算法工具箱（王辉）5基于遗传算法的LQR控制优化算法（胡斐）6遗传算法工具箱详解及应用（胡斐）7多种群遗传算法的函数优化算法（王辉）8基于量子遗传算法的函数寻优算法（王辉）9多目标Pareto最优解搜索算法（胡斐）10基于多目标Pareto的二维背包搜索算法（史峰）11基于免疫算法的柔性车间调度算法（史峰）12基于免疫算法的运输中心规划算法（史峰）13基于粒子群算法的函数寻优算法（史峰）14基于粒子群算法的PID控制优化算法（史峰）15基于混合粒子群算法的TSP寻优算法（史峰）16基于动态粒子群算法的动态环境寻优算法（史峰）17粒子群算法工具箱（史峰）18基于鱼群算法的函数寻优算法（王辉）19基于模拟退火算法的TSP算法（王辉）20基于遗传模拟退火算法的聚类算法（王辉）21基于模拟退火算法的HEV能量管理策略参数优化（胡斐）22蚁群算法的优化计算——旅行商问题（TSP）优化（郁磊）23基于蚁群算法的二维路径规划算法（史峰）24基于蚁群算法的三维路径规划算法（史峰）25有导师学习神经网络的回归拟合——基于近红外光谱的汽油辛烷值预测（郁磊）26有导师学习神经网络的分类——鸢尾花种类识别（郁磊）27无导师学习神经网络的分类——矿井突水水源判别（郁磊）28支持向量机的分类——基于乳腺组织电阻抗特性的乳腺癌诊断（郁磊）29支持向量机的回归拟合——混凝土抗压强度预测（郁磊）30极限学习机的回归拟合及分类——对比实验研究（郁磊）

什么都别说，直接看目录:├─8251│8251.ASM│82510.DSN│8251_仿真结果.png│├─8253│8253.ASM│8253.DSN│8253_仿真结果.png│├─8255│8255_KEYBOARD.ASM│8255_KEYBOARD.DSN│8255_仿真结果.png│├─8259│8259.ASM│8259.DSN│8259_仿真结果.png│├─实验结果汇总│8251_仿真结果.png│8253_仿真结果.png│8255_仿真结果.png│8259_仿真结果.png│└─汇编代码汇总8251.ASM8253.ASM8255_KEYBOARD.ASM8259.ASM

编制一程序，要求接收从键盘输入的一个班的学生成绩，并存放于50字节的GRADE数组中，其中GRADE+N保存学号N+1的学生成绩。
然后根据GRADE中的学生成绩，把学生名次填入50字节的RANK数组中，其中RANK+N的内容是学号为N+1学生的名次。
再按学号顺序和学生名次顺序把学生成绩显示出来。

编译实验，是对你在txt文档中写入的任意赋值语句程序段进行翻译成四元式并且进行词法分析。

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。