用共生矩阵进行纹理特征提取**************************************************************************%图像检索——纹理特征%基于共生矩阵纹理特征提取，d=1,θ=0°,45°,90°,135°共四个矩阵%所用图像灰度级均为256%参考《基于颜色空间和纹理特征的图像检索》%function:T=Texture(Image)%Image:输入图像数据%T:前往八维纹理特征行向量%**************************************************************************functionT=Texture(Image)%Image=imread('E:\1\3.tiff');%[M,N,O]=size(Image);M=256;N=256;%--------------------------------------------------------------------------%1.将各颜色分量转化为灰度%--------------------------------------------------------------------------Gray=double(0.3*Image(:,:,1)+0.59*Image(:,:,2)+0.11*Image(:,:,3));%--------------------------------------------------------------------------%2.为了减少计算量，对原始图像灰度级压缩，将Gray量化成16级

Newmark-beta法解微分方程的MATLAB法式。
function[q,v,a]=newmark(M,C,K,F,q0,v0,dt,nt)%newmark-betamethod%[q,v,a]=newmark(M,C,K,F,q0,v0,dt,nt)%obtaintheresponseofthedynamicsystem%M-massmatrix%K-stiffnessmatrix%C-dampingmatrix%F-loadsmatrix(ntcolumns)%q0-initialdisplacement%v0-initialvelocity%dt-interval(timestep)%nt-numberofsamplingpoints%[q,v,a]-disp,velocity,acceleration

function[maxZ,X]=maxOP(Cj,A,b,f)%作者：朱胜佳西安理工大学QQ373719229%%BLOG：Alg.we2y.com欢迎算法，嵌入式爱好者共同交流globalsflg=0%以下为两组测试数据，去掉注释可用于测试%其中Cj,A都为问题标准化后的参数，f为标准化前的价值系数。
%这个是以前写的一个程序，本来打算加上bigM法再发布出来，但是最近比较忙。
先贴出来了有兴味的朋友自行改进

function[maxZ,X]=maxOP(Cj,A,b,f)%作者：朱胜佳西安理工大学QQ373719229%%BLOG：Alg.we2y.com欢迎算法，嵌入式爱好者共同交流globalsflg=0%以下为两组测试数据，去掉注释可用于测试%其中Cj,A都为问题标准化后的参数，f为标准化前的价值系数。
%这个是以前写的一个程序，本来打算加上bigM法再发布出来，但是最近比较忙。
先贴出来了有兴味的朋友自行改进

算是一个音讯处理框架吧，用于说函数对象function与bind的基本用法；
比较适合入门boost的function与bind的基本用法

《InsideTheC++ObjectModel》专注于C++对象导向程序设计的底层机制，包括结构式语意、暂时性对象的生成、封装、继承，以及虚拟——虚拟函数和虚拟继承。
这本书让你知道：一旦你能够了解底层实现模型，你的程序代码将获得多么大的效率。
Lippman澄清了那些关于C++额外负荷与复杂度的各种错误信息和迷思，但也指出其中某些成本和利益交换确实存在。
他阐述了各式各样的实现模型，指出它们的进化之道及其本质因素。
本书涵盖了C++对象模型的语意暗示，并指出这个模型是如何影响你的程序的。
本书重点：探索“对象导向程序所支持的C++对象模型”下的程序行为。
对于“对象导向性质之基础实现技术”以及“各种性质背后的隐含利益交换”提供一个清楚的认识。
检验由程序变形所带来的效率冲击。
提供丰富的程序范例、图片，以及对象导向观念和底层对象模型之间的效率测量。
C++成山似海的书籍堆中，这一本不是婴幼儿奶粉，也不是较大婴儿奶粉，它是成人专用的低脂高钙特殊奶粉。
对于C++底层机制感兴味的读者，这本书会给你“漫卷诗书喜欲狂”的感觉。
了解C++ObjectModel，是学习ComponentObjectModel的最短路线。
如果你是一位C++程序员，渴望对于底层知识获得一个完整的了解，那么InsideTheC++ObjectModel正适合你。
关于作者：StanleyLippman目前是华特迪斯尼主题动画公司（WaltDisneyFeatureAnimation）的主要软件工程师。
他曾经在AT&T贝尔实验室领导cfront3.0和2.1版的编译器开发小组。
他也是贝尔实验室中由BjameStroustrup所领导的Foundation专案组中的一员，负责对象模型并研究C++程序开发环境。
Stan著有极为成功的C++Primer一书，也发表过许多C++方面的论文。
Stan最近刚从C++Report的编辑位置上“退隐”，他曾在那个位置上做了4年。
他的C++论述遍及全球。
关于译者：侯捷，海峡两岸著名的电脑技术自由作家，对于技术的钻研和发表，有独特的品性与坚持。
作品涵盖著、译、评三方面，散见于各种刊特、媒体、网站论坛，深受读者喜爱和尊敬。
作者简介：StanleyB.Lippman的职业是提供关于C++和面向对象的训练、咨询、设计和指导。
他在成为一名独立咨询顾问之前，曾经是迪士尼动化公司的首席软件设计师。
当他在AT&TBell实验室的时候，领导了cfront3.0版本和2.1版本的编译器开发组。
他也是BjarneStroustrup领导的Bell实验室Foundation项目的成员之一，负责C++程序设计环境中的对象模型部分。
他还撰写了许多关于C++的文章。
目前他已受雇于微软公司，负责VisualC++项目。
 目录:  本立道生(侯捷译序)目录前言(StanleyB.Lippman)第0章导读(译者的话)第1章关于对象(ObjectLessons)1.1C++模式模式(TheC++ObjectModel)1.2关键词所带来的差异(AKeywordDistinction)1.3对象的差异(AnObjectDistinction)第2章构造函数语意学(TheSemanticsofconstructors)2.1DefaultConstructor的建构操作2.2CopyConstructor的建构操作2.3程序转换语意学(ProgramTransformationSemantics)2.4成员们的初始化队伍(MemberInitializationList)第3章Data语意学(TheSemanticsofData)3.1DataMember的绑定(TheBindingofaDataMember)3.2DataMember的布局(DataMemberLayout)3.3DataMember的存取3.4“继承”与DataMember3.5对象成员的效率(ObjectMemberEfficiency)3.6指向DataMembers的指针(PointertoDataMembers)第4章Function语意学(TheSemanticsofFunction)4.1Member的各种调用方式4.2VirtualMemberFunctions(虚拟成员函数)4.3函数的效能4.4指向MemberFunctions的指针(Pointer-to-MemberFunctions)4.5InlineFunctions

//给定一个正整数N,其中//N=A1+A2+...+An其中A1,A2,...,An为斐波那契数列不重复的正整数(不会有2个1这种结果)//请实现下面的function(function格式请勿修改)//其中输入参数为N,前往值为A1,A2,...,An.的递减数组//若找不到结果则前往空数组//斐波那契数列定义如下：//F1=1//F2=1//Fn=Fn-1+Fn-2//-＞斐波那契数列的值为：1,1,2,3,5,8,13,21,34,....//Exinput11-＞output[8,3]//Exinput31-＞output[21,8,2]

在matlab中实现ARIMA时间序列预测。
函数方式如下：function[result]=ARIMA_algorithm(data,Periodicity,ACF_P,PACF_Q,n)其中data为预测所用的数据，为一维列向量；
Periodicity为数据的周期；
ACF_P和PACF_Q分别是p值和q值；
n为想要预测的数据的个数。
所返回的结果result是预测出来的数据（一维列向量），同时会画出预测数据的折线图。

C言语写的研华PCI-1710板卡的DA驱动，matlab编译后即可用于simulinks-function。
(AdvantechPCI-1710boardDAdriverwritteninClanguagedriver,itcanbeusedforsimulinks-functionaftercompileringinmatlab.)

经亲身测试，在win2008系统下安装的discuz3.4可以用，上传下载直接走OSS,速度超快，大大降低了服务器的带宽压力，同时支持阿里OSS开启防盗链技术，安装教程：1：解压文件将插件文件夹上传到\source\plugin目录下2：后台应用-插件-找到对应插件进行安装3，将function_cloudaddons.php文件上传到\source\function目录下即可，

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。