用Eular法解常微分方程组的数值解，使用了细胞数组，代码简洁，除注释外的有效代码只有二十行左右。
（几年前上传的程序了，当时要20积分，现在为大家降到5个积分）
（几年前上传的程序了，当时要20积分，现在为大家降到5个积分）
2023/11/15 2:30:05
710B
1
常见的matlab对于图像处理的代码最常用的一些图像处理Matlab源代码#1：数字图像矩阵数据的显示及其傅立叶变换#2：二维离散余弦变换的图像压缩#3：采用灰度变换的方法增强图像的对比度#4：直方图均匀化#5：模拟图像受高斯白噪声和椒盐噪声的影响#6：采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波#7：采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波#8：图像的自适应魏纳滤波#9：运用5种不同的梯度增强法进行图像锐化#10：图像的高通滤波和掩模处理#11：利用巴特沃斯（Butterworth）低通滤波器对受噪声干扰的图像进行平滑处理#12：利用巴特沃斯（Butterworth）高通滤波器对受噪声干扰的图像进行平滑处理
2023/11/14 13:19:49
34KB
1
一.dwmain.m为定位程序，1.调用了gj.m（轨迹方程）2.SC.m（时差定位程序）3.pc.m（频差定位程序）二.GDOP_main.m为时差定位GDOP图三.pcgdop_main.m为频差定位GDOP图
2023/11/13 19:51:52
10KB
1
matlab程序，基于SVM的数据分类预测——意大利葡萄酒种类识别，里面一个.m文件，一个.mat数据集，直接可以使用。
2023/11/13 6:40:34
7KB
1
曲线拟合三维曲线拟合MATLAB程序曲线拟合三维曲线拟合MATLAB程序曲线拟合三维曲线拟合MATLAB程序曲线拟合三维曲线拟合MATLAB程序曲线拟合三维曲线拟合MATLAB程序
2023/11/12 15:20:15
3KB
1
k-means算法接受输入量k；
然后将n个数据对象划分为k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；
而不同聚类中的对象相似度较小。
聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。
k-means算法的工作过程说明如下：首先从n个数据对象任意选择k个对象作为初始聚类中心；
而对于所剩下其它对象，则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类；
然后再计算每个所获新聚类的聚类中心（该聚类中所有对象的均值）；
不断重复这一过程直到标准测度函数开始收敛为止。
一般都采用均方差作为标准测度函数.k个聚类具有以下特点：各聚类本身尽可能的紧凑，而各聚类之间尽可能的分开。
然后将n个数据对象划分为k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；
而不同聚类中的对象相似度较小。
聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。
k-means算法的工作过程说明如下：首先从n个数据对象任意选择k个对象作为初始聚类中心；
而对于所剩下其它对象，则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类；
然后再计算每个所获新聚类的聚类中心（该聚类中所有对象的均值）；
不断重复这一过程直到标准测度函数开始收敛为止。
一般都采用均方差作为标准测度函数.k个聚类具有以下特点：各聚类本身尽可能的紧凑，而各聚类之间尽可能的分开。
2023/11/11 15:04:35
17KB
1
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。
2024-04-09 15:03
15KB