针对目前混凝土强度预测中存在的不确定性，难以自适应性的确定神经网络隐含层，建立了基于高维云的RBF神经网络的混凝土预测模型。
运用MATLAB8.10进行仿真实验。
实验结果表明该模型综合考虑了影响混凝土强度的各种因素，能够实现预测结果的随机性和模糊性，具有更高的预测精度，更快的训练速度，可以广泛应用于生产现场实地的混凝土强度预测和质量检验。

采集到加速度变化信号并进行滤波使其信号波形改善，系统持续更新3轴加速度的最大最小值，每采样50次更新一次，并取出“动态阈值”接下来的50次采样利用此阈值判断个体是否迈出步伐，由于此阈值每50次采样更新一次，因此它是动态的。
这种选择具有自适应性，且足够快，除了动态阈值外，还利用动态精度来执行进一步的滤波。
利用移位寄存器和动态阈值判断个体是否有效地迈出一步。

一本目前为止最好的fluent学习书本第一章流体力学基础与FLUENT简介第一节概论一、流体的密度、重度和比重二、流体的黏性——牛顿流体与非牛顿流体三、流体的压缩性——可压缩与不可压缩流体四、液体的表面张力第二节流体力学中的力与压强一、质量力与表面力二、绝对压强、相对压强与真空度三、液体的汽化压强四、静压、动压和总压第三节能量损失与总流的能量方程一、沿程损失与局部损失二、总流的伯努里方程三、人口段与充分发展段第四节流体运动的描述一、定常流动与非定常流动二、流线与迹线三、流量与净通量四、有旋流动与有势流动五、层流与湍流第五节亚音速与超音速流动一、音速与流速二、马赫数与马赫锥三、速度系数与临界参数四、可压缩流动的伯努里方程五、等熵滞止关系式第六节正激波与斜激波一、正激波二、斜激波第七节流体多维流动基本控制方程一、物质导数二、连续性方程三、N—S方程第八节边界层与物体阻力一、边界层及基本特征二、层流边界层微分方程三、边界层动量积分关系式四、物体阻力第九节湍流模型第十节FLUENT简介一、程序的结构二、FLUENT程序可以求解的问题三、用FLUENT程序求解问题的步骤四、关于FLUENT求解器的说明五、FLUENT求解方法的选择六、边界条件的确定第二章二维流动与传热的数值计算第一节冷、热水混合器内部二维流动一、前处理——利用GAMBIT建立计算模型第1步确定求解器第2步创建坐标网格图第3步由节点创建直线第4步创建圆弧边第5步创建小管嘴第6步由线组成面第7步确定边界线的内部节点分布并创建结构化网格第8步设置边界类型第9步输出网格并保存会话二、利用FLUENT进行混合器内流动与热交换的仿真计算第1步与网格相关的操作第2步建立求解模型第3步设置流体的物理属性第4步设置边界条件第5步求解第6步显示计算结果第7步使用二阶离散化方法重新计算第8步自适应性网格修改功能小结课后练习第二节喷管内二维非定常流动一、利用GAMBIT建立计算模型第1步确定求解器第2步创建坐标网格图和边界线的节点第3步由节点创建直线第4步利用圆角功能对I点处的角倒成圆弧第5步由边线创建面第6步定义边线上的节点分布第7步创建结构化网格第8步设置边界类型第9步输出网格并保存会话二、利用FLUENT进行喷管内流动的仿真计算第1步与网格相关的操作第2步确定长度单位第3步建立求解模型第4步设置流体属性第5步设置工作压强为0atm第6步设置边界条件第7步求解定常流动第8步非定常边界条件设置以及非定常流动的计算第9步求解非定常流第10步对非定常流动计算数据的保存与后处理小结课后练习第三节三角翼的可压缩外部绕流一、利用GAMBIT建立计算模型第1步启动Gambit，并选择求解器为FLUENT5／6第2步创建节点第3步由节点连成线第4步由边线创建面第5步创建网格第6步设置边界类型第7步输出网格文件二、利用FLUENT进行仿真计算第1步启动FLUENT2D求解器并读入网格文件第2步网格检查与确定长度单位第3步建立计算模型第4步设置流体材料属性第5步设置工作压强第6步设置边界条件第7步利用求解器进行求解第8步计算结果的后处理小结课后练习第四节三角翼不可压缩的外部绕流(空化模型应用)第1步启动FLUENT2D求解器并读入网格文件第2步网格检查与确定长度单位第3步设置求解器第4步设置流体材料及其物理性质第5步设置流体的流相第6步设置边界条件第7步求解第8步对计算结果的后处理小结课后练习第五节VOF模型的应用一、利用GAMBIT建立计算模型第1步启动GAMBIT并选择FLUENT5／6求解器第2步建立坐标网格并创建节点第3步由节点连成直线段第4步创建圆弧第5步创建线段的交点G第6步将两条线在G点处分别断开第7步删除DG直线和FG弧线第8步由边创建面第9步定义边线上的节点分布第10步在面上创建结构化网格第11步设置边界类型第12步输出网格文件并保存会话二、利用FLUENT2D求解器进行求解第1步读入、显示网格并设置长度单位第2步设置求解器第3步设置流体材料及属

#$K+千里马酒店前台管理系统 Pegasus HMS 7.0昨夜西风凋碧树，欲上高楼，望尽天涯路；
衣带渐宽终不悔，为伊消得人憔悴；
众里寻他千百度，蓦然回首，那人却在灯火阑珊处 宝剑锋从磨砺出、梅花香自苦寒来，三年磨一剑，全新设计的新一代千里马酒店管理系统Pegasus HMS 7.0横空出世。
千里马V7的设计以当前最先进的酒店管理理论为基础，继承了千里马的优秀品质，融合了国内外先进软件的功能特性，吸取了几百家酒店客户的使用意见。
在传统的“以财务为核心、前后台一体化”的基础上，吸收了收益管理、客户关系管理、营销分析、决策支持等先进管理思想，百炼成钢。
V7前台系统之先进的理念、严谨的设计、全面的功能、优异的性能、非常的稳定、友好的界面、快捷的操作等等，必将令你眼前一亮、怦然心动，为你带来无尽的乐趣和动力!V7前台系统包括客房预订、客人接待、收银管理、夜间稽核、客房管家、问讯留言、礼宾服务、公关销售、报表系统、基本设置、系统管理、外围接口、常用工具等功能模块。
酒店前台管理是一个流程复杂、实时性强的系统，是酒店的标志性的关键核心业务。
前台管理的水平，决定了整个酒店管理系统的水平。
因此，前台管理系统是千里马酒店管理系统的核心系统。
通常房务管理（Room Division）分为前厅部（Front Office）和客房部（House Keeping）。
前厅部又名客务部、前台部、总服务台、大堂部，是酒店组织客源、销售客房、沟通和协调各部门的对客服务、并为宾客提供前厅服务的综合性部门。
前厅部被喻为酒店的“神经中枢”、联系宾客的“桥梁和纽带”、酒店经营管理的“橱窗和门面”。
前厅部是酒店的营业中心、协调中心、信息中心，在酒店经营中起着销售、沟通、控制、协调服务和辅助决策的作用。
V7前台系统是采用先进的技术开发而成。
系统架构是面向对象的逻辑三层结构，保证了软件具有良好的体系结构和易扩充性；
用户界面采用视图-对象-状态-操作-权限绑定的智能动态工作图表技术，保证了操作的简明直观、流畅易用、各司其职；
所有录入界面、报表格式、工作视图、功能菜单、部分操作流程均支持用户自定义，保证了系统有最大限度的自适应性，满足不同酒店的具体需求。
数据处理充分利用SQL DBMS的索引技术，保证了在业务繁忙时段和数据量较大时仍然具有快速的响应和良好的性能。
客、房、帐、表的穿透查询技术更是独一无二的创新。
系统经过公司内部的严格测试和实际用户的实战检验，具有很好的稳定性。

传统PID在对象变化时，控制器的参数难以自动调整。
将模糊控制与PID控制结合，利用模糊推理方法实现对PID参数的在线自整定。
使控制器具有较好的自适应性。
使用MATLAB对系统进行仿真，结果表明系统的动态性能得到了提高。

基于自适应性BP神经网络的优化算法附有源码，C，有注解，有论文

前言第1章概述1.1宽带无线移动通信系统的发展1.2功率放大器线性化技术简介1.2.1国内外研究现状1.2.2本书的创新性工作1.3本书结构安排第2章功率放大器数学模型2.1功率放大器非线性效应分析2.2非线性效应基带等效分析2.3无记忆功率放大器典型模型2.3.1Saleh模型2.3.2Rapp模型2.3.3多项式模型2.4宽带功率放大器记忆效应分析2.5有记忆功率放大器模型2.5.1Volterra模型2.5.2多项式模型2.5.3Wiener模型2.5.4Hammerstein模型2.5.5并行Hammerstein模型2.5.6神经网络模型2.6本章小结第3章功率放大器非线性对传输信号的影响3.1非线性的时域及频域分析3.1.1谐波失真3.1.2互调失真3.1.3交调失真3.1.4AM/AM和AM/PM畸变3.2功率放大器非线性对多载波信号功率谱的影响3.2.1无记忆模型功率谱的解析表达3.2.2有记忆模型功率谱的解析表达3.2.3仿真及分析3.3功率放大器非线性对多载波信号符号率的影响3.3.1误符号率的解析表达3.3.2仿真及分析3.4功率放大器非线性评价指标3.4.1分贝压缩点功率3.4.2三阶互调系数3.4.3三阶截断点3.4.4交调系数3.4.5输入及输出回退3.4.6系统性能总损耗3.5本章小结第4章宽带功率放大器预失真技术简介4.1数字预失真技术综述4.2预失真技术基本原理4.3非自适应性预失真技术4.3.1方案概述4.3.2特性曲线的测量4.4射频自适应预失真技术4.5中频自适应预失真技术4.6基带自适应数字预失真技术4.7本章小结第5章宽带功率放大器预失真估计结构5.1直接学习结构5.2间接学习结构5.2.1基于IDLA的新算法5.2.2仿真及分析5.3本章小结第6章基于查询表的数字预失真6.1查询表预失真方法综述6.1.1查询表形式6.1.2查询表的指针方式6.1.3查询表地址索引方式6.1.4查询表自适应算法6.1.5查询表预失真方法的不足6.2无记忆查询表预失真方法6.2.1常规查询表预失真算法6.2.2改进的查询表预失真方法6.3有记忆查询表预失真方法6.3.1一维查询表预失真方法6.3.2二维查询表预失真方法6.4本章小结第7章基于多项式的数字预失真7.1多项式预失真方法综述7.1.1多项式模型7.1.2多项式自适应算法7.1.3多项式预失真方法的不足7.2多项式形式的选择7.2.1预失真多项式形式7.2.2正交多项式模型7.3无记忆多项式预失真方法7.3.1分段无记忆多项式预失真方法7.3.2直接学习结构递推系数估计方法7.3.3间接学习结构系数估计方法7.3.4正交多项式预失真方法7.3.5动态系数多项式预失真方法7.4有记忆多项式预失真方法7.4.1分段有记忆多项式预失真方法7.4.2归一化最小均方系数估计方法7.4.3广义归一化梯度下降系数估计方法7.4.4广义记忆多项式预失真方法7.4.5分数阶记忆多项式预失真方法7.4.6Hammerstein预失真方法7.5本章小结第8章宽带功率放大器预失真方案设计8.1数字预失真系统设计8.2反馈环路延迟估计8.2.1常规环路延迟估计方法8.2.2提出的环路延迟估计方法8.2.3仿真分析8.3PAPR降低技术与预失真8.3.1问题引出8.3.2PAPR降低技术8.3.3限幅对OFDM信号预失真性能的影响8.3.4PAPR降低技术与PA线性化的内在联系8.4宽带功率放大器的有效阶估计8.5关于硬件实现8.5.1非自适应预失真硬件实现8.5.2自适应数字预失真硬件实现8.6宽带功率放大器预失真新理论与技术8.6.1功率放大器预失真新理论8.6.2功率放大器预失真新技术8.7本章小结参考文献附录A符号表附录B缩略语

GRC(Graph-basedRelaxedClustering)是一种具有便捷性和自适应性的谱聚类算法,但对于大数据集,繁重的时间开销限制了其实用性.针对此不足,该文通过对GRC聚类指示向量进行约束并融合中心约束型最小包含球(Center-ConstrainedMinimalEnclosingBall,CCMEB)理论提出了大数据集快速谱聚类算法CCMEB-CGRC.该算法继承GRC的便捷性和自适应性的同时又具有渐近线性时间复杂度的优点,从而较好地解决了大数据集快速有效谱聚类的问题.仿真实验的结果验证了该算法的有效性和快速性.

针对低可见光图像和红外图像的特点,提出一种基于DT-CWT的自适应图像融合算法.该算法具有好的平移不变性和方向选择性,更适合于人类视觉.先对源图像作双树复小波变换,充分考虑各尺度分解层的系数特征,对低通子带引入免疫克隆选择,根据统计评价准则定义亲和度函数,自适应获得最优融合权值;对高通子带则根据人类视觉特性定义局部方向对比度,并作为融合准则,突出和增强了各源图像的对比度与细节信息.实验结果表明:与基于小波的融合结果相比较,本文的融合算法自适应性和鲁棒性更强,较好地保护和显示了源图像中的边缘和细节信息,对比度和清晰度都有所提高.该算法用matlab得以实现。

为了实现基于ARM的指纹识别门禁系统，采用Veridicom公司的FPS200指纹采集芯片进行指纹采集，采用Samsung公司ARM9$3C2440AL给出了系统的软硬件设计及仿真结果。
经验证该系统拒识率小于0．1，认假率小于0．01，识别时间小于2S，实验结果良好。
此外，重点引见了该系统中采用的指纹分割算法，该算法以前景与背景类间方差最大为原则，分割稳定的同时具有分割阈值的自适应性。

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。