分布式温控系统基本要求假定，某快捷廉价酒店响应节能绿色环保理念，推行自助式房间温度调节的空调系统，经过初步分析该系统的基本需求如下：1. 空调系统由中央空调和房间空调两部分构成；
2. 中央空调是冷暖两用，根据季节进行模式调整。
a) 当设置为供暖时，供暖温度控制在25°C～30°C之间；
b) 当设置为制冷时，制冷温度控制在18°C～25°C之间。
3. 中央空调具备开关按钮，只可人工开启和关闭，中央空调正常开启后处于待机状态。
a) 中央空调开机后，无论哪一种工作模式，缺省工作温度为25°C；
b) 当关闭后，不响应来自房间的任何温控请求；
c) 当有来自从控机的温控要求时，中央空调开始工作；
d) 当所有房间都没有温控要求时，中央空调的状态回到待机状态。
4. 房间内有独立的从控空调机，但没有冷暖控制设备。
a) 从控机具有一个温度传感器，实时监测房间的温度，并与从控机的目标设置温度进行对比，并向中央空调机发出温度调节请求。
b) 如果从控机发出的请求和中央空调设置的冷暖控制状态发生矛盾时，以中央空调机的状态优先，否则中央空调机不予响应。
5. 从控机只能人工方式开闭，并通过控制面板设置目标温度，目标温度有上下限制。
a) 从控机开机后动态获取房间温度，并将温度显示在控制面板上；
b) 从控机开机后与中央空调连接获取工作模式，并将工作模式显示在控制面板上；
6. 控制面板的温度调节可以连续变化也可以断续变化：a) 温度调节按钮连续两次或多次指令的时间间隔小于1s时，从控机只发送最后一次的指令参数；
b) 如果温度调节按钮连续两次的时间间隔大于1s时，从控机将发送两次指令参数；
7. 房间目标温度达到后，从控机自动停止工作。
a) 房间温度随着环境温度开始变化，当房间温度超过目标温度1°C时，重新启动；
b) 房间不考虑大小和管道的分布及大小问题，在达到目标温度后，房间温度每分钟上下变化X°C（各小组自行定义环境温度的变化曲线）。
8. 中央空调能够实时监测各房间的温度和状态，并要求实时刷新的频率能够进行配置；
9. 要求分控机的控制面板能够发送高、中、低风速的请求，要求各小组自定义高、中、低风情况下的温度变化值；
比如以中风为基准，高速风的温度变化曲线可以提高25%，低速风的温度变化曲线可以降低25%。
10. 系统中央空调部分具备计费功能：可根据中央空调对分控机的请求时长及高中低风速的供风量进行费用计算；
a) 每分钟中速风的能量消耗为一个标准功率消耗单位；
b) 低速风的每分钟功率消耗为0.8标准功率；
c) 高速风的每分钟功率消耗为1.3标准功率；
d) 并假设，每一个标准功率消耗的计费标准是5元。
11. 中央空调监控具备统计功能，可以根据需要给出日报表、周报表和月报表；
报表内容如下：房间号、开关机的次数、温控请求起止时间、温控请求的起止温度及风量大小12. 中央空调同时只能处理三台分控机的请求，为此主机要有负载均衡的能力，能够保证所有房间的请求都能进行温度调整。
该程序的配置环境文档：​http://download.csdn.net/detail/zly9923218/6328843该程序是温控的从控机，空调运行效果如下：http://hi.baidu.com/123ktjt/item/03e7047170f95a2b6cc37cea

基于Lucas-kanade目标跟踪算法实现，用matlab实现；
算法原理和推导过程请查阅博文：“Lucas-Kanade算法原理以及应用”http://blog.csdn.net/zhzhji440/article/details/43866695参考文献：Lucas-Kanade20YearsOn:AUnifyingFrameworkIJCV2004

遗传算法在多目标01背包问题中的应用，毕业设计的论文二十页

骨架提取与分水岭算法也属于形态学处理范畴，都放在morphology子模块内。
骨架提取，也叫二值图像细化。
这种算法能将一个连通区域细化成一个像素的宽度，用于特征提取和目标拓扑表示。
morphology子模块提供了两个函数用于骨架提取，分别是Skeletonize（）函数和medial_axis（）函数。
我们先来看Skeletonize（）函数。
格式为：skimage.morphology.skeletonize(image)输入和输出都是一幅二值图像。
例1：  生成一幅测试图像，上面有三个目标对象，分别进行骨架提取，结果如下：例2：利用系统自带的马图片进行骨架提取 medial_axis就是中

铸造2DFoundry是一个实时的多合一游戏引擎。
目标是性能，易用性和可移植性。
对于本地构建和引擎开发，请查看。

针对弹性光网络中业务的选路、频谱分配进行了研究，考虑到物理节点对业务安全性的影响，建立了以满足业务最低安全级别要求为约束、以最小化网络中最大占用频隙号为优化目标的全局约束优化模型。
为有效求解该约束优化模型，设计了全局优化算法。
将疏导后的业务按照某种排序策略进行排序，为每个业务选择K条满足业务最低安全级别要求的路径。
利用改进的遗传算法为每个业务选择合适的路径并确定最优的频谱分配方案，使得网络中最大占用频谱号最小。
为验证该算法的有效性，在不同的网络拓扑中进行了仿真，结果表明，所设计的算法可实现高效的频谱分配。

用的教材是《合成孔径雷达成像——算法与实现》lanG.Cumming著，做的是第六章的RDA算法仿真，弄了好久，终于出来了，很是开心，继续加油，加油

Kalman滤波器理论与应用：基于MATLAB实现》以Kalman滤波器为主要介绍对象，包含基本原理、推导方法及其在跟踪系统中的应用，同时配套MATLAB源程序。
具体内容包括Kalman滤波器、扩展Kalman滤波器、不敏Kalman滤波器及其在RFID系统的跟踪应用研究。
　　《Kalman滤波器理论与应用：基于MATLAB实现》凝练了作者二十余年来对Kalman滤波器基础理论及在目标跟踪应用的研究成果，具体内容包括：根据目标运动特征进行自调整参数的“自适应动力学模型”、不敏变换的性能分析、RFID跟踪系统的测量方程及其仿真平台等。
　　《Kalman滤波器理论与应用：基于MATLAB实现》可作为自动化、电子信息、计算机应用、控制科学与工程、信号处理、导航与制导等相关专业高年级本科生和研究生的教材，也可供相关领域的工程技术人员和研究人员参考。

现在我们回到LDA的原理上，我们在第一节说讲到了LDA希望投影后希望同一种类别数据的投影点尽可能的接近，而不同类别的数据的类别中心之间的距离尽可能的大，但是这只是一个感官的度量。
现在我们首先从比较简单的二类LDA入手，严谨的分析LDA的原理。
　　　　假设我们的数据集D={(x1,y1),(x2,y2),...,((xm,ym))}D={(x1,y1),(x2,y2),...,((xm,ym))},其中任意样本xixi为n维向量，yi∈{0,1}yi∈{0,1}。
我们定义Nj(j=0,1)Nj(j=0,1)为第j类样本的个数，Xj(j=0,1)Xj(j=0,1)为第j类样本的集合，而μj(j=0,1)μj(j=0,1)为第j类样本的均值向量，定义Σj(j=0,1)Σj(j=0,1)为第j类样本的协方差矩阵（严格说是缺少分母部分的协方差矩阵）。
　　　　μjμj的表达式为：μj=1Nj∑x∈Xjx(j=0,1)μj=1Nj∑x∈Xjx(j=0,1)　　　　ΣjΣj的表达式为：Σj=∑x∈Xj(x−μj)(x−μj)T(j=0,1)Σj=∑x∈Xj(x−μj)(x−μj)T(j=0,1)　　　　由于是两类数据，因此我们只需要将数据投影到一条直线上即可。
假设我们的投影直线是向量ww,则对任意一个样本本xixi,它在直线ww的投影为wTxiwTxi,对于我们的两个类别的中心点μ0,μ1μ0,μ1,在在直线ww的投影为wTμ0wTμ0和wTμ1wTμ1。
由于LDA需要让不同类别的数据的类别中心之间的距离尽可能的大，也就是我们要最大化||wTμ0−wTμ1||22||wTμ0−wTμ1||22,同时我们希望同一种类别数据的投影点尽可能的接近，也就是要同类样本投影点的协方差wTΣ0wwTΣ0w和wTΣ1wwTΣ1w尽可能的小，即最小化wTΣ0w+wTΣ1wwTΣ0w+wTΣ1w。
综上所述，我们的优化目标为：argmaxwJ(w)=||wTμ0−wTμ1||22wTΣ0w+wTΣ1w=wT(μ0−μ1)(μ0−μ1)TwwT(Σ0+Σ1)wargmax⏟wJ(w)=||wTμ0−wTμ1||22wTΣ0w+wTΣ1w=wT(μ0−μ1)(μ0−μ1)TwwT(Σ0+Σ1)w　　　　我们一般定义类内散度矩阵SwSw为：Sw=Σ0+Σ1=∑x∈X0(x−μ0)(x−μ0)T+∑x∈X1(x−μ1)(x−μ1)TSw=Σ0+Σ1=∑x∈X0(x−μ0)(x−μ0)T+∑x∈X1(x−μ1)(x−μ1)T　　　　同时定义类间散度矩阵SbSb为：Sb=(μ0−μ1)(μ0−μ1)TSb=(μ0−μ1)(μ0−μ1)T　　　　这样我们的优化目标重写为：argmaxwJ(w)=wTSbwwTSwwargmax⏟wJ(w)=wTSbwwTSww　　　　仔细一看上式，这不就是我们的广义瑞利商嘛！这就简单了，利用我们第二节讲到的广义瑞利商的性质，我们知道我们的J(w)J(w)最大值为矩阵S−12wSbS−12wSw−12SbSw−12的最大特征值，而对应的ww为S−12wSbS−12wSw−12SbSw−12的最大特征值对应的特征向量!而S−1wSbSw−1Sb的特征值和S−12wSbS−12wSw−12SbSw−12的特征值相同,S−1wSbSw−1Sb的特征向量w′w′和S−12wSbS−12wSw−12SbSw−12的特征向量ww满足w′=S−12www′=Sw−12w的关系!　　　　注意到对于二类的时候，SbwSbw的方向恒为μ0−μ1μ0−μ1,不妨令Sbw=λ(μ0−μ1)Sbw=λ(μ0−μ1)，将其带入：(S−1wSb)w=λw(Sw−1Sb)w=λw，可以得到w=S−1w(μ0−μ1)w=Sw−1(μ0−μ1)，也就是说我们只要求出原始二类样本的均值和方差就可以确定最佳的投影方向ww了。

房屋销售管理系统房屋销售管理系统是为了提高管理效率而开发的。
它包括买家信息，卖家信息，房屋信息，并提供了查询、修改、添加、删除等功能。
随着计算机行业的飞速发展，人类已经进入信息时代，社会中的各个单位、部门也陆续开始使用软件化管理模式，使得在管理上实现了自动化、多元化的目标。

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。