1基于遗传算法的TSP算法（王辉）2基于遗传算法和非线性规划的函数寻优算法（史峰）3基于遗传算法的BP神经网络优化算法（王辉）4设菲尔德大学的MATLAB遗传算法工具箱（王辉）5基于遗传算法的LQR控制优化算法（胡斐）6遗传算法工具箱详解及应用（胡斐）7多种群遗传算法的函数优化算法（王辉）8基于量子遗传算法的函数寻优算法（王辉）9多目标Pareto最优解搜索算法（胡斐）10基于多目标Pareto的二维背包搜索算法（史峰）11基于免疫算法的柔性车间调度算法（史峰）12基于免疫算法的运输中心规划算法（史峰）13基于粒子群算法的函数寻优算法（史峰）14基于粒子群算法的PID控制优化算法（史峰）15基于混合粒子群算法的TSP寻优算法（史峰）16基于动态粒子群算法的动态环境寻优算法（史峰）17粒子群算法工具箱（史峰）18基于鱼群算法的函数寻优算法（王辉）19基于模拟退火算法的TSP算法（王辉）20基于遗传模拟退火算法的聚类算法（王辉）21基于模拟退火算法的HEV能量管理策略参数优化（胡斐）22蚁群算法的优化计算——旅行商问题（TSP）优化（郁磊）23基于蚁群算法的二维路径规划算法（史峰）24基于蚁群算法的三维路径规划算法（史峰）25有导师学习神经网络的回归拟合——基于近红外光谱的汽油辛烷值预测（郁磊）26有导师学习神经网络的分类——鸢尾花种类识别（郁磊）27无导师学习神经网络的分类——矿井突水水源判别（郁磊）28支持向量机的分类——基于乳腺组织电阻抗特性的乳腺癌诊断（郁磊）29支持向量机的回归拟合——混凝土抗压强度预测（郁磊）30极限学习机的回归拟合及分类——对比实验研究（郁磊）

BP神经网络与RBF神经网络的MATLAB实现辛烷值的预测报告，并附有源代码

数据集中包含采集到的60组汽油样品，利用傅立叶近红外变换光谱仪对其进行扫描，扫描间隔为2nm,每个样品的光谱曲线包含401个波长点，样品的近红外光谱曲线如图所示，其中包含对曲线的局部放大图。
同时数据集中包含使用传统的检测方法测定的辛烷含量值。

用于近红外光谱分析kennard-stone选样本算法的NATLAB源代码

提出并设计了一个应用数字微镜(DMD)的哈达玛变换近红外光谱仪。
以光栅为分光元件，用DMD代替传统的机械式哈达玛编码模板进行光学调制，用InGaAs单点光电二极管探测调制后的光谱信号。
综合考虑分辨率、能量利用率、像差和体积等因素，合理选择狭缝长和宽、光栅入射角及透镜焦距，采用光路分段优化法进行光学设计，通过DMD面阵上的狭缝像和探测器上的点斑尺寸等分析设计结果。
模拟分辨率优于4nm，探测器上点斑尺寸小于3mm,光学系统尺寸为75mm×25mm×85mm。
为提高光谱仪对弱光谱信号的探测能力，在系统前加入了一种集光结构，使从光纤出射的光能的利用率理论值提高24.2%。
实验结果表明，该光谱仪的光谱分辨率优于6nm，通过添加集光结构可以大大提高光谱仪的能量利用效率。
该光谱仪具有分辨率高、能量利用率高、体积小、成本低等优点，有广阔的应用前景。

用于信号去噪，光谱去噪，数据是使用近红外光谱进行验证，可以使用

浅谈制定近红外光谱分析标准

无关matlab预处置近红外的代码，并附上相关的介绍，复制粘贴到matlab中就可

snvmatlab光谱预处理处理程序多元散射校正适用于可见、近红外光谱预处理，或许微波处理，二维曲线处理

极端学习机的回归及分类，包括ELM的回归拟合——基于近红外光谱的汽油辛烷值预测；
ELM的分类——鸢尾花品种识别

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。