共有七个完整算法%1.基于聚类的RBF网设计算法%一维输入，一维输出，逼近效果很好！SamNum=100;%总样本数TestSamNum=101;%测试样本数InDim=1;%样本输入维数ClusterNum=10;%隐节点数，即聚类样本数Overlap=1.0;%隐节点重叠系数%根据目标函数获得样本输入输出rand('state',sum(100*clock))NoiseVar=0.1;Noise=NoiseVar*randn(1,SamNum);SamIn=8*rand(1,SamNum)-4;SamOutNoNoise=1.1*(1-SamIn+2*SamIn.^2).*exp(-SamIn.^2/2);SamOut=SamOutNoNoise+Noise;TestSamIn=-4:0.08:4;TestSamOut=1.1*(1-TestSamIn+2*TestSamIn.^2).*exp(-TestSamIn.^2/2);figureholdongridplot(SamIn,SamOut,'k+')plot(TestSamIn,TestSamOut,'r--')xlabel('Inputx');ylabel('Outputy');Centers=SamIn(:,1:ClusterNum);NumberInClusters=zeros(ClusterNum,1);%各类中的样本数，初始化为零IndexInClusters=zeros(ClusterNum,SamNum);%各类所含样本的索引号while1,NumberInClusters=zeros(ClusterNum,1);%各类中的样本数，初始化为零IndexInClusters=zeros(ClusterNum,SamNum);%各类所含样本的索引号%按最小距离原则对所有样本进行分类fori=1:SamNumAllDistance=dist(Centers',SamIn(:,i));[MinDist,Pos]=min(AllDistance);NumberInClusters(Pos)=NumberInClusters(Pos)+1;IndexInClusters(Pos,NumberInClusters(Pos))=i;end%保存旧的聚类中心OldCenters=Centers;fori=1:ClusterNumIndex=IndexInClusters(i,1:NumberInClusters(i));Centers(:,i)=mean(SamIn(:,Index)')';end%判断新旧聚类中心能否一致，是则结束聚类EqualNum=sum(sum(Centers==OldCenters));ifEqualNum==InDim*ClusterNum,break,endend%计算各隐节点的扩展常数（宽度）AllDistances=dist(Centers',Centers);%计算隐节点数据中心间的距离（矩阵）Maximum=max(max(AllDistances));%找出其中最大的一个距离fori=1:ClusterNum%将对角线上的0替换为较大的值AllDistances(i,i)=Maximum+1;endSpreads=Overlap*min(AllDistances)';%以隐节点间的最小距离作为扩展常数%计算各隐节点的输出权值Distance=dist(Centers',SamIn);%计算各样本输入离各数据中心的距离SpreadsMat=repmat(Spreads,1,SamNum);HiddenUnitOut=radbas(Distance./SpreadsMat);%计算隐节点输出阵HiddenUnitOutEx=[HiddenUnitOut'ones(SamNum,1)]';%考虑偏移W2Ex=SamOut*pinv(HiddenUnitOutEx);%求广义输出权值W2=W2Ex(:,1:ClusterNum);%输出权值B2=W2Ex(:,ClusterNum+1)

大型项目清单任何人都可以用任何编程语言处理的实际项目列表（请参阅）。
这些项目分为多个类别，每个类别都有其自己的文件夹。
首先，只需分叉此存储库即可。
查看此回购的方式。
您可以为现有问题提供处理方案（将在此发布），添加新项目或删除现有项目。
确保正确遵循所有说明。
您可以在找到其他用户用许多其他语言的这些项目的实现。
学分此仓库由编写。
问题是由以下人员共同激发的：目录号码查找第N位的PI-输入一个数字，并使程序生成的PI最多保留小数位数。
限制程序运行的距离。
查找e到第N个数字-就像前面的问题一样，但是用e代替PI。
输入一个数字，并使程序最多生成小数位数。
限制程序运行的距离。
斐波那契数列-输入一个数字并使程序生成该数字或第N个数的斐波那契数列。
质因数分解-让用户输入数字并找到所有质因数（如果有）并显示它们。
下一个素数-让程序找到素数，直到用户选择停止询

逆合成孔径雷达成像代码，有目的模型数据，进行成像仿真。
采样的成像方法是距离-多普勒算法

通过MATLAB的编制来完成一个基于协同过滤算法的影视相关推荐以及影视点播的排行。
其中协同过滤算法之中需要运用到一定的类似度计算函数最好能使用Eulid距离，cosine或者皮尔逊函相关系数等，如果您有更好的函数方法都可以，只是一定要让我知道其中的使用方法以及代码运作，因为事关我毕业的答辩。
关于数据源方面，我没有从网上的平台上扒到可以用的数据，可以的话希望您能自拟，最后希望可以向我解释一下数据的格式以及如何输入。
关于输出，我希望得到的页面是对于数据中不同用户的影视推荐以及数据中所有影视点播量的排行

ArcGIS实验指导书（完整版下载）实验一、使用ARCMAP浏览地理数据1一、实验目的1二、实验预备1三、实验步骤及方法3第1步启动ArcMap3第2步检查要素图层5第3步显示其它图层6第4步查询地理要素7第5步检查其它属性信息9第6步设置并显示地图提示信息11第7步根据要素属性设置图层渲染样式14第8步根据属性选择要素18第9步使用空间关系选择地理要素20第10步退出ArcMap22四、实验报告要求23实验二、空间数据库管理及属性编辑24一、实验目的24二、实验预备24三、实验内容及步骤25第1步启动ArcCatalog打开一个地理数据库25第2步预览地理数据库中的要素类26第3步创建缩图，并查看元数据28第4步创建个人地理数据库(PersonalGeodatabase-PGD)29第5步拖放数据到ArcMap中37第6步编辑属性数据及进行1：M的空间查询38第7步导入GPS数据，生成图层40四、实验报告要求44实验三、影像配准及矢量化46一、实验目的46二、实验预备46三、实验内容及步骤46第1步地形图的配准－加载数据和影像配准工具46第2步输入控制点47第3步设定数据框的属性49第4步矫正并重采样栅格生成新的栅格文件52第5步分层矢量化－在ArcCatalog中创建一个线要素图层53第6步从已配准的地图上提取等高线并保存到上面创建的要素类中58第7步根据GPS观测点数据配准影像并矢量化的步骤59四、实验报告及要求65实验四、空间数据处理66一、实验目的66二、实验预备66三、实验内容及步骤68空间数据处理68第1步裁剪要素68第3步要素融合71第4步图层合并72第5步图层相交74定义地图投影75第6步定义投影75第7步投影变换――地理坐标系－＞北京1954坐标系转换－＞西安80坐标系76四、实验报告要求77实验五、空间分析基本操作79一、实验目的79二、实验预备79三、实验内容及步骤80空间分析模块801.了解栅格数据812.用任意多边形剪切栅格数据(矢量数据转换为栅格数据)833.栅格重分类(RasterReclassify)864.栅格计算－查询符合条件的栅格(RasterCalculator)875.面积制表（TabulateArea）886.分区统计(ZonalStatistic)907.缓冲区分析(Buffer)928.空间关系查询959.采样数据的空间内插(Interpolate)9610.栅格单元统计（CellStatistic）10011.邻域统计（Neighborhood）102四、实验报告要求104实验六、缓冲区分析应用(综合实验)105一、实验目的105二、实验预备105三、实验内容及步骤1051.距离制图－创建缓冲区1051.1点要素图层的缓冲区分析1051.2线要素图层的缓冲区分析1071.3多边形图层的缓冲区分析1092．综合应用实验1102.1水源污染防治1102.2受污染地区的分等定级1122.3城市化的影响范围115四、实验报告要求118实验七、地形分析-----TIN及DEM的生成及应用(综合实验)119一、实验目的119二、实验预备119三、实验内容及步骤1191.TIN及DEM生成1191.1由高程点、等高线矢量数据生成TIN转为DEM1191.2TIN的显示及应用1222.DEM的应用1332.1坡度：Slope1332.2坡向：Aspect1362.3提取等高线1382.4计算地形表面的阴影图1392.5可视性分析1422.6地形剖面144四、实验报告要求145实验八、MODELBUILDER土壤侵蚀危险性建模分析(综合实验)146一、实验目的146二、实验预备146三、实验内容及步骤1461.认识ModelBuilder操作界面1462.确定目标，加载数据1473.创建模型1474.编辑模型1505.执行模型，查看结果164四、实验报告要求165实验九、水文分析-DEM应用169一、实验目的169二、实验预备169三、实验内容及步骤1721.数据基础：无洼地的DEM1722.关键步骤：流向分

为使星载激光高度计实现高空间分辨率，提出了一种联合采用伪随机码(PRC)相位调制光纤激光器和外差探测的测距方法。
推导了用于测高时的信噪比公式。
对激光发射功率、参考光功率、望远镜口径、调制速率以及PRC序列长度对信噪比和距离分辨率的影响进行了数值模仿。
对系统参数进行分析，得到了相关参数的关系和优化的参数。
结果表明,当激光出射功率约为10W，参考光功率约为10mW，望远镜口径为0.4m，调制速率为1GHz，单周期内PRC序列长度约为300μs时，基于PRC相位调制和外差探测的星载激光测高计能够实现系统信噪比为10和距离分辨率为15cm的设计目标。

本软件直观的对样品进行鉴定，验证，确认，定性和定量分析，对所有中红外，近红外和拉曼分析都适用。
TQ分析家是一个适用于各种经验水平的光谱工作者的包罗万象的方法发展平台。
特性包括:•光谱的预处理和挑选•光程处理•全面诊断•数据处理•完整的定性和定量工具•运算矫正和定量方法的可传递性TQ分析家也提供了高级特性，帮助没有经验的使用者完善高功能的分析方法。
具有人工智能的迅捷指南，引用“软件向导”，通过方法发展流程以询问基础问题，分析光谱，确定方法可行性和建议方式等指导你进行改善。
尽管TQ分析家提供指南来简化发展流程，有经验者可以直接进入方法流程。
TQ分析家软件提供了一套全面的光谱测量，分类和定量分析工具，其技术有：•检索标准品•距离匹配•相似性匹配•QC比对•判别式分析•简单Beer’s定律•步进多线性回归(SMLR)•经典最小二乘法(CLS)•部分最小二乘法(PLS)•主成分回归(PCR)作为在制造，研究，教育和共同开发的强有力工具，对于OMNICFT-IR软件和RESULT进行补充或作为独立软件包，内置的文件转换器使得多种类型的数据得到分析。
这些特性使得成为适合你需要的首选软件包！

背景：3d打印与焊接类似，由于温度梯度会形成残余应力及变形，先用高斯热源模拟温度场的变化。
材料参数：本文做了大量的简化，假设材料为各向同性，且不随着温度变化。
使用国际单位制。
密度2700；
热导率120；
弹性模量70e9；
泊松比0.3；
热膨胀系数2.3e-5；
比热1000；
屈服应力2.5e8。
对于单纯的热传导分析，只需要用到密度、热导率、膨胀系数、比热。
高斯热源：距离中心半径相同的地方能量是相同的，施加移动的高斯热源只需定义圆截面整体沿x方向运动即可。

在旅游景区，经常会遇到游客打听从一个景点到另一个景点的最短路径和最短距离，这类游客不喜欢按照导游图的线路来游览，而是挑选自己感兴味的景点游览。

基于颜色的图像检索零碎matlab源代码直方图欧氏距离

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。