https://download.csdn.net/download/qq_41739364/86339152

算法设计需要估算计算量和存储量。
组合数学研究计数和枚举的方法和理论。

多线程计算pi，并且做性能分析。
单线程与多线程对比计算量相同，线程数不同例如，N取1000,000，测试使用1、2、3、4……个线程时所需要的时间。
线程数相同，计算量不同例如，只考察单线程和双线程的性能对比，N分别取不同的数值。

提出了一种用于全局优化的混合差分进化算法。
在新算法中，混沌系统的随机性被用来在搜索空间中尽可能多地散布个体，模式搜索方法被用来加速局部开发，而DE算子被用来跳到一个更好的点。
证明了全局收敛。
详细研究了三种典型的混沌系统。
在包含13个高维函数的基准示例上的数值实验表明，该新方法以较少的计算量实现了更高的成功率和最终解决方案。

Hopfield神经网络解决TSP问题利用神经网络解决组合优化问题是神经网络应用的一个重要方面。
所谓组合优化问题,就是在给定约束条件下,使目标函数极小(或极大)的变量组合问题。
将Hopfield网络应用于求解组合优化问题,把目标函数转化为网络的能量函数,把问题的变量对应到网络的状态。
这样,当网络的能量函数收敛于极小值时,问题的最优解也随之求出。
由于神经网络是并行计算的,其计算量不随维数的增加而发生指数性“爆炸”,因而对于优化问题的高速计算特别有效。

基于特征点的图像匹配方法的关键是准确快速地将可靠的特征点提取出来。
经典归一化互相关匹配法属于基于特征点匹配方法中的一种，归一化互相关匹配法具有操作简单，匹配精度高等优点，但其计算量庞大，难以满足实时跟踪的要求。
提出了一种基于序贯相似性检测的归一化互相关快速匹配方法，并对提出的改进方法进行实验验证。
实验表明，该方法可以准确快速的进行特征点匹配，减少了算法的计算时间，有效地减少了发生误匹配的概率。

通过高斯消元法改造的LU分解解线性方程组，在需要多次更改常数项b的时候可以大大节省计算量

40M比较大，差点不能上传，绝对的好东西。
人脸识别是图像处理领域的一个重要技术，是该领域非常活跃的研究课题。
它是基于人类脸部特征信息进行身份识别的一种模式识别技术。
由于人脸图像的特殊性，要使这项技术完全成熟并能够应用到现实生活中，还需要有很多亟待解决的问题，因此，人脸识别研究具有很大的挑战性，一直是模式识别领域的研究热点。
人脸识别的过程主要分为三个阶段：人脸检测、特征提取以及分类识别。
针对目前常用的人脸识别方法中存在着一些缺陷，如计算量大，图像受光照、表情、姿态的影响较大等问题，本文提出基于图像处理的方法，获得更好的识别效果。
2．主要内容（1）熟悉目前常用的人脸识别方法；
（2）了解图像处理中应用于模式识别的方法，；
（3）选定用于人脸识别的图像处理方法；
（4）人脸特征提取；
（5）人脸的分类识别；

为了辨识一类非线性Hammerstein-Wiener系统，基于递推贝叶斯算法和奇异值分解，提出了一种两阶段在线辨识算法。
该算法首先利用递推贝叶斯算法估计乘积项参数，然后利用奇异值分解得到待估计参数。
仿真结果表明，所提算法可以较小的计算量获得精度较高的参数估计值。

本帖代码和教程有Matlab技术论坛原创，原帖参见http://www.matlabsky.com/viewthread.php?tid=3885一、数值积分基本公式数值求积基本通用公式如下Eqn1.gif(1.63KB)2009-11-2023:23xk：求积节点Ak：求积系数，与f(x)无关数值积分要做的就是确定上式中的节点xk和系数Ak。
可以证明当求积系数Ak全为正时，上述数值积分计算过程是稳定。
二、插值型数值积分公式对f(x)给定的n+1个节点进行Lagrange多项式插值，故Eqn2.gif(2.95KB)2009-11-2023:23即求积系数为Eqn3.gif(3.29KB)2009-11-2023:23三、牛顿-柯特斯数值积分公式当求积节点在[a,b]等间距分布时，插值型积分公式（先使用Lagrange对节点进行多项式插值，再计算求积系数，最后求积分值）称为Newton-Cotes积分公式。
由于Newton-Cotes积分是通过Lagrange多项式插值变化而来的，我们都知道高次多项式插值会出现Runge振荡现象，因此会导致高阶Newton-Cotes公式不稳定。
Newton-Cotes积分公式的求积系数为Eqn4.gif(3.38KB)2009-11-2023:28其中C(k,n)称为柯特斯系数。
(1)当n=1时，Newton-Cotes公式即为梯形公式Eqn5.gif(1.68KB)2009-11-2023:28容易证明上式具有一次代数精度(对于Newton-Cotes积分公式，n为奇数时有n次迭代精度，n为偶数时具有n+1次精度，精度越高积分越精确，同时计算量也越大)(2)当n=2时，Newton-Cotes公式即为辛普森(Simpson)公式或者抛物线公式Eqn6.gif(2.04KB)2009-11-2023:28上式具有3次迭代精度(3)当n=4时，Newton-Cotes公式称为科特斯(Cotes)公式Eqn7.gif(2.68KB)2009-11-2023:28上式具有5次迭代精度。
由于n=3和n=2时具有相同的迭代精度，但是n=2时计算量小，故n=3的Newton-Cotes积分公式用的很少(4)当≥8时，通过计算可以知道，在n=8时柯特斯系数出现负值由于数值积分稳定的条件是求积系数Ak必须为正，所以n＞=8以上高阶Newton-Cotes公式，我们不能保证积分的稳定性(其根本原因是，Newton-Cotes公式是由Lagrange插值多项推导出来的，而高阶多项式会出现Rung现象)。
四、复化求解公式n阶Newton-Cotes公式只能有n+1个积分节点，但是高阶Newton-Cotes公式由不稳定。
为了提高大区间的数值积分精度，我们采用了分段积分的方法，即先将原区间划分成若干小区间，然后对每一个小区间使用Newton-Cotes积分公式，这就是复化Newton-Cotes求积公式。
(1)当n=1时，称为复化梯形公式。
将[a,b]等分为n份，子区间长度为h=(b-a)/n，则复化梯形公式为(注意：复化求解公式不需要求积子区间等间距，只是Newton-Cotes公式分段积分时自动对小区间进行等分，我们这里采用等分子区间是为了便于计算而已)Eqn8.gif(2.18KB)2009-11-2023:28(2)当n=2时，称为复化辛普森公式。
Eqn9.gif(2.96KB)2009-11-2023:28五、Newton-Cotes数值积分公式Matlab代码

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。