一套关于指纹识别的，我带的本科生毕业设计，现在发上来给大家共享，有这方面研究的绝对是好材料。
程序中有指纹图像的归一化，图像分割，图像增强，方向图，细化，特征提取，伪特征去除，特征匹配等等。

线性光谱聚类（LSC）的超像素分割算法，该算法可以生成具有低计算成本的紧凑且均匀的超像素。
基本上，基于测量图像像素之间的颜色相似性和空间接近度的相似性度量，采用超像素分割的归一化切割公式。
然而，代替使用传统的基于特征的算法，我们使用核函数来近似相似性度量，导致将像素值和坐标明确映射到高维特征空间。
我们证明，通过适当地加权该特征空间中的每个点，加权K均值和归一化切割的目标函数共享相同的最佳点。
因此，通过在所提出的特征空间中迭代地应用简单的K均值聚类，可以优化归一化切割的成本函数。
LSC具有线性计算复杂性和高内存效率，并且能够保留图像的全局属性。
实验结果表明，LSC在图像分割中的几种常用评估度量方面表现出与现有技术的超像素分割算法相同或更好的性能。

将KDD99数据集中的符号性变成数值化，编程语言是Python;KDD数据集的每条连接记录是有38个数字特征和3个符号型特征组成，要相对数据进行处理首先要进行数据的标准化。
符号型特征数值化。
采用属性映射的方法

这项与事件相关的潜能（ERP）研究检查了语音识别中上下文相关说话者标准化的时间过程。
我们发现三个ERP组件，即N1（100-220毫秒），N400（250-500毫秒）和后期正向组件（500-800毫秒），它们被推测涉及（a）听觉处理，（b）说话者标准化和词汇检索，以及（c）决策过程/词汇选择。
说话人标准化可能发生在N400的时间窗口中，并且与词汇检索过程重叠。
与非语音上下文相比，无论语音上下文是否具有语义内容，它们都使收听者能够调整到讲话者的音调范围。
以这种方式，语音上下文在潜在的候选词的激活过程中诱导了更有效的说话者归一化，并导致在语音单词识别中更准确地选择了预期的单词。

用DnCNN网络进行图像去噪。
网络中主要使用了批量归一化和ReLU

目录第1章控制系统案例的MATLAB实现1.1MATLAB/Simulink在时域分析中的应用1.2MATLAB在积分中的应用1.3MATLAB在微分方程中的应用1.4MATLAB/Simulink在根轨迹分析中的应用1.5MATLAB在频域响应中的应用1.6MATLAB/Simulink在状态空间中的应用1.7MATLAB在PID控制器设计中的应用1.8MATLAB在导弹系统中的应用第2章通信系统建模与仿真2.1数字信号的传输2.1.1数字信号的基带传输2.1.2数字信号的载波传输2.2扩频系统的仿真2.2.1伪随机码产生2.2.2序列扩频系统第3章通信系统接收机设计3.1利用直接序列扩频技术设计发射机3.2利用IS95前向链路技术设计接收机3.3利用OFDM技术设计接收机3.4通信系统的MATLAB实现第4章调制与解调信号的MATLAB实现4.1调制与解调简述4.2模拟调制与解调4.2.1模拟线性调制4.2.2双边带调幅调制4.2.3单边带调幅调制4.2.4模拟角度调制4.2.5脉冲编码调制第5章神经网络的预测控制5.1系统辨识5.2自校正控制5.2.1单步输出预测5.2.2最小方差控制5.2.3最小方差间接自校正控制5.2.4最小方差直接自校正控制5.3自适应控制5.3.1MIT自适应律5.3.2MIT归一化算法5.4预测控制5.4.1基于CARIMA模型的JGPC5.4.2基于CARMA模型的JGPC第6章控制系统校正方法的MATALB实现6.1PID校正6.1.1PID调节简介6.1.2PID调节规律介绍6.1.3PID调节分析介绍6.2控制系统的根轨迹校正6.2.1根轨迹的超前校正6.2.2根轨迹的滞后校正6.2.3根轨迹的滞后超前校正6.3控制系统的频率校正6.3.1频率法的超前校正6.3.2频率法的滞后校正第7章通信系统的模型分析7.1滤波器的模型分析7.1.1滤波器的类型、参数指标分析7.1.2滤波器相关函数及模拟7.1.3滤波器的相关实现7.2通信系统的基本模型分析7.2.1模拟通信系统的基本模型分析7.2.2数字通信系统的基本模型分析7.3模拟通信系统的建模与仿真分析7.3.1调幅广播系统的仿真分析7.3.2调频立体声广播的信号结构7.3.3彩色电视信号的构成和频谱仿真分析第8章挠性结构振动控制的应用8.1挠性结构的概述8.2挠性结构的主动振动及仿真8.2.1前滤波8.2.2后滤波8.2.3仿真第9章基于小波的信号突变点检测算法研究9.1信号的突变性与小波变换9.2信号的突变点检测原理9.3实验结果与分析9.3.1Daubechies5小波用于检测含有突变点的信号9.3.2Daubechies6小波用于检测突变点第10章小波变换在信号特征检测中的算法研究10.1小波信号特征检测的理论分析10.2实验结果与分析10.2.1突变性检测10.2.2自相似性检测10.2.3趋势检测第11章小波变换图像测试分析11.1概述11.2实例说明11.3输出结果与分析11.4源程序11.4.1nstdhaardemo.m11.4.2thresholdtestdemo.m11.4.3modetest.m11.4.4nstdhaardec2.m11.4.5nstdhaarrec2.m11.4.6mydwt2.m11.4.7myidwt2.m第12章基于小波分析的图像多尺度边缘检测算法研究12.1多尺度边缘检测12.2快速多尺度边缘检测算法12.3实验结果与分析第13章基于小波的信号阈值去噪算法研究13.1阈值去噪方法13.2阈值风险13.3实验结果与分析第14章基于MATLAB的小波快速算法设计14.1小波快速算法设计原理与步骤14.2小波分解算法14.3对称小波分解算法14.4小波重构算法14.5对称小波重构算法14.6MATLAB程序设计实现第15章小波变换检测故障信号与小波类型的选择15.1故障信号检测的理论分析15.2实验结果与分析15.2.1利用小波分析检测传感器故障15.2.2小波类型的选择对于检测突变信号的影响15.3小波类型选择第16章基于小波图像压缩技术的算法研究16.1图像的小波分解算法16.2小波变换系数分析16.3实验结果

神经网络归一化matlab代码，适合BP、SVM等各种神经网络的归一化操作，简单易懂

施密特的matlab代码实现。
利用Gram-Schmidt正交化方法(GSO)对两个独立向量进行正交归一化

nc归一化相关系数图像对比图像相似matlab

运用MATLABR2014a来完成灰度共生矩阵各特征参数的求解。
以纸作为纹理分析的对象。
首先需将彩色图像将各颜色分量转化为灰度。
所用图像的灰度级为256。
为了减少计算量，对原始图像灰度级压缩，将灰度量化成16级。
计算四个共生矩阵P，取距离为1，角度分别为0,45,90,135。
对共生矩阵进行归一化，求出最常用的能量、熵、惯性矩、相关4个纹理参数。
最后求出能量、熵、惯性矩、相关的均值和标准差，作为最终8维纹理特征。

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。