数字图像相关MATLAB代码，输入变形前后两幅图，通过相关计算即可找到对应点位置写的不好，大家看我最近上传的。
。
。

人工免疫算法，用于计算函数的极值问题，收敛性极佳，迭代不到10次就可以找到最优解，而且与理论解完全吻合

1stOpt（FirstOptimization）是七维高科有限公司（7D-SoftHighTechnologyInc.）独立开发，拥有完全自主知识产权的一套数学优化分析综合工具软件包。
在非线性回归，曲线拟合，非线性复杂工程模型参数估算求解等领域傲视群雄，首屈一指，居世界领先地位。
除去简单易用的界面，其计算核心是基于七维高科有限公司科研人员十数年的革命性研究成果【通用全局优化算法】(UniversalGlobalOptimization-UGO)，该算法之最大特点是克服了当今世界上在优化计算领域中使用迭代法必须给出合适初始值的难题，即用户勿需给出参数初始值，而由1stOpt随机给出，通过其独特的全局优化算法，最终找出最优解。
以非线性回归为例，目前世界上在该领域最有名的软件工具包诸如OriginPro，Matlab，SAS，SPSS，DataFit，GraphPad，TableCurve2D，TableCurve3D等，均需用户提供适当的参数初始值以便计算能够收敛并找到最优解。
如果设定的参数初始值不当则计算难以收敛，其结果是无法求得正确结果。
而在实际应用当中，对大多数用户来说，给出(猜出)恰当的初始值是件相当困难的事，特别是在参数量较多的情况下，更无异于是场噩梦。
而1stOpt凭借其超强的寻优，容错能力，在大多数情况下（大于90%)，从任一随机初始值开始，都能求得正确结果。

mulStablePoint用不动点迭代法求非线性方程组的一个根mulNewton用牛顿法法求非线性方程组的一个根mulDiscNewton用离散牛顿法法求非线性方程组的一个根mulMix用牛顿-雅可比迭代法求非线性方程组的一个根mulNewtonSOR用牛顿-SOR迭代法求非线性方程组的一个根mulDNewton用牛顿下山法求非线性方程组的一个根mulGXF1用两点割线法的第一种形式求非线性方程组的一个根mulGXF2用两点割线法的第二种形式求非线性方程组的一个根mulVNewton用拟牛顿法求非线性方程组的一组解mulRank1用对称秩1算法求非线性方程组的一个根mulDFP用D-F-P算法求非线性方程组的一组解mulBFS用B-F-S算法求非线性方程组的一个根mulNumYT用数值延拓法求非线性方程组的一组解DiffParam1用参数微分法中的欧拉法求非线性方程组的一组解DiffParam2用参数微分法中的中点积分法求非线性方程组的一组解mulFastDown用最速下降法求非线性方程组的一组解mulGSND用高斯牛顿法求非线性方程组的一组解mulConj用共轭梯度法求非线性方程组的一组解mulDamp用阻尼最小二乘法求非线性方程组的一组解

采用mobilenet_v1替换原作者采用的resnet50，对于coco2014数据集进行重新训练,迭代了160k次，最终得到的模型模型大小为93m,原模型270多m，同时运算速度大大的提升了，感兴趣的同学可以去下载一下，不用gpu,可以直接在配置好环境的CPU就可以跑起来！

国科大的算法设计与分析相关1-5章复习题第一章样例：1.讲义习题一:第1(执行步改为关键操作数)、第2、3、6、7题习题一1答：执行步4pmn+3pm+2m+1;关键操作2n*m*p2方法一答：2n-2次方法二答：2n-2次31）证明：任给c，n＞c,则10n2＞cn。
不存在c使10n22c时，logn＞c，从而n2logn＞=cn2,同上。
6答：logn，n2/3，20n，4n2，3n，n!7答：1)6+n2)3)任意n2.讲义习题二：第5题。
答：c、e是割点。
每点的DFN、L值：A1,1、B2,1、C3,1、D4,4、E5,1、F6,5、G7,5。
最大连通分支CD、EFG、ABCE。
3.考虑下述选择排序算法：输入：n个不等的整数的数组A[1..n]输出：按递增次序排序的AFori:=1ton-1Forj:=i+1tonIfA[j]＜A[i]thenA[i]A[j]问：(1)最坏情况下做多少次比较运算？答1+2+..+n-1=n(n-1)/2(2)最坏情况下做多少次交换运算？在什么输入时发生？n(n-1)/2，每次比较都交换，交换次数n(n-1)/2。
4.考虑下面的每对函数f(n)和g(n),比较他们的阶。
(1)f(n)=(n2-n)/2,g(n)=6n(2)f(n)=n+2,g(n)=n2(3)f(n)=n+nlogn,g(n)=n(4)f(n)=log(n!),g(n)=答：(1)g(n)=O(f(n))(2)f(n)=O(g(n)(3)f(n)=O(g(n)(4)f(n)=O(g(n)5.在表中填入true或false.答案：f(n)g(n)f(n)=O(g(n)f(n)=(g(n))f(n)=(g(n))12n3+3n100n2+2n+100FTF250n+logn10n+loglognTTT350nlogn10nloglognFTF4lognLog2nTFF5n!5nFTF6.用迭代法求解下列递推方程：(1)(2),n=2k答：(1)T(n)=T(n-1)+n-1=T(n-2)+n-2+n-1=…=T(1)+1+2+…+n-1=n(n-1)/2=O(n2)(2)T(n)=2T(n/2)+n-1=2(2T(n/4)+n/2-1)+n-1=4T(n/4)+n-2+n-1=4(2T(n/23)+n/4-1)+n-2+n-1=23T(n/23)+n-4+n-2+n-1

RTKLIB是一款开源的全球导航卫星系统（GNSS）软件工具包，由HiroshiHiranuma教授开发，广泛应用于GNSS数据处理、实时定位、动态定位和精密单点定位等多个领域。
本压缩包文件“rtkilb_singlepos_rtklib”主要关注的是RTKLIB在MATLAB环境下的单点定位功能。
单点定位是GNSS接收机最基本的定位方法，它通过解算来自多个卫星的观测数据来确定地面接收机的位置。
在单频单点定位中，接收机仅使用一个频率的信号进行定位，这种方法通常适用于精度要求较低的场合，如车载导航、户外运动等。
而这个压缩包提供的MATLAB版本使得用户可以在MATLAB环境中实现单点定位的计算，这对于教学、研究或者快速原型验证非常有帮助。
主程序“rtklib—singlepos”是实现单点定位的核心代码。
这个程序可能包含了以下关键步骤：1.**数据预处理**：读取O文件（观测数据）和N文件（导航数据）。
O文件包含了接收机接收到的卫星信号的伪距或相位观测值，N文件则包含卫星的轨道和钟差信息。
2.**电离层延迟校正**：单频接收机无法直接测量电离层延迟，因此需要利用模型进行估算和校正。
程序可能内置了Klobuchar模型或其他电离层模型。
3.**对流层延迟校正**：同样，也需要考虑大气对流层的影响，一般使用气象参数进行校正。
4.**坐标转换**：将观测值从卫星坐标系转换到地心坐标系，这通常涉及地球椭球参数的使用。
5.**几何距离解算**：基于卫星的已知位置和观测值，计算接收机的三维位置。
这通常采用非线性最小二乘法进行迭代优化。
6.**误差处理**：包括钟差校正、多路径效应消除等，以提高定位精度。
7.**结果输出**：最终计算出的接收机坐标和其他相关信息会被输出，供用户分析。
在MATLAB环境中运行这个程序，用户可以方便地调整算法参数，进行各种假设和试验，同时利用MATLAB强大的可视化功能来直观地展示定位结果。
这对于研究不同环境条件下的定位性能，或者进行定位算法的优化都具有很大的便利性。
“rtkilb_singlepos_rtklib”提供了在MATLAB环境中实现RTKLIB单点定位功能的工具，对于学习和研究GNSS定位技术的人来说是一个宝贵的资源。
通过理解和应用这些代码，用户不仅可以深入理解单点定位的基本原理，还能掌握如何在实际项目中运用这些技术。

利用牛顿-雅可比迭代法求非线性方程组Ax=b的一个根,压缩包里包含了求解非线性方程组的代码，只要用MATLAB软件打开程序运行即可

第一部分Python语言第1章Python简介1.1运行Python1.2变量和算术表达式1.3条件语句1.4文件输入和输出1.5字符串1.6列表1.7元组1.8集合1.9字典1.10迭代与循环1.11函数1.12生成器1.13协程1.14对象与类1.15异常1.16模块1.17获得帮助第2章词汇和语法约定2.1行结构和缩进2.2标识符和保留字2.3数字字面量2.4.字符串字面量2.5容器2.6运算符、分隔符及特殊符号2.7文档字符串2.8装饰器2.9源代码编码第3章类型与对象3.1术语3.2对象的身份与类型3.3引用计数与垃圾收集3.4引用与复制3.5第一类对象3.6表示数据的内置类型3.6.1None类型3.6.2数字类型3.6.3序列类型3.6.4映射类型3.6.5集合类型3.7表示程序结构的内置类型3.7.1可调用类型3.7.2类、类型与实例3.7.3模块3.8解释器内部使用的内置类型3.8.1代码对象3.8.2帧对象3.8.3跟踪对象3.8.4生成器对象3.8.5切片对象3.8.6Ellipsis对象3.9对象行为与特殊方法3.9.1对象的创建与销毁3.9.2对象字符串表示3.9.3对象比较与排序3.9.4类型检查3.9.5属性访问3.9.6属性包装与描述符3.9.7序列与映射方法3.9.8迭代3.9.9数学操作3.9.10可调用接口3.9.11上下文管理协议3.9.12对象检查与dir()第4章运算符与表达式4.1数字操作4.2序列操作4.3字符串格式化4.4高级字符串格式化4.5字典操作4.6集合操作4.7增量赋值4.8属性(.)运算符4.9函数调用()运算符4.10转换函数4.11布尔表达式与真值4.12对象的比较与身份4.13运算优先级4.14条件表达式第5章程序结构与控制流5.1程序结构与执行5.2执行条件语句5.3循环与迭代5.4异常5.4.1内置异常5.4.2定义新异常5.5上下文管理器与with语句5.6断言与__debug__第6章函数与函数编程6.1函数6.2参数传递与返回值6.3作用域规则6.4函数对象与闭包6.5装饰器6.6生成器与yield6.7协程与yield表达式6.8使用生成器与协程6.9列表包含6.10生成器表达式6.11声明式编程6.12lambda运算符6.13递归6.14文档字符串6.15函数属性6.16eval()、exec()和compile()函数第7章类与面向对象编程7.1class语句7.2类实例7.3范围规则7.4继承7.5多态动态绑定和鸭子类型7.6静态方法和类方法7.7特性7.8描述符7.9数据封装和私有属性7.10对象内存管理7.11对象表示和属性绑定7.12__slots__7.13运算符重载7.14类型和类成员测试7.15抽象基类7.16元类7.17类装饰器第8章模块、包与分发8.1模块与import语句8.2从模块导入选定符号8.3以主程序的形式执行8.4模块搜索路径8.5模块加载和编译8.6模块重新加载和卸载8.7包8.8分发Python程序和库8.9安装第三方库第9章输入与输出9.1读取命令行选项9.2环境变量9.3文件和文件对象9.4标准输入、输出和错误9.5print语句9.6print()函数9.7文本输出中的变量插入9.8生成输出9.9Unicode字符串处理9.10UnicodeI／O9.10.1Unicode数据编码9.10.2Unicode字符特性9.11对象持久性与pickle模块第10章执行环境10.1解释器选项与环境10.2交互式会话10.3启动python应用程序10.4站点配置文件10.5用户站点包10.6启用新功能10.7程序终止第11章测试、调试、探查与调优11.1文档字符串和doctest模块11.2单元测试和unittest模块11.3Python调试器和pdb模块11.3.1调试器命令11.3.2从命令行进行调试11.3.3配置调试器11.4程序探查11.5

介绍了一种新的非平稳信号分析方法———局部均值分解(Localmeandecomposition,简称LMD)。
LMD方法可以自适应地将任何一个复杂信号分解为若干个具有一定物理意义的PF(Productfunction)分量之和,其中每个PF分量为一个包络信号和一个纯调频信号的乘积,从而获得原始信号完整的时频分布。
本文首先介绍了LMD方法,然后将LMD方法对仿真信号进行了分析,取得了满意的效果,最后将其和经验模式分解EMD(Empiricalmodedecomposition)方法进行了对比,结果表明在端点效应、迭代次数等方面LMD方法要优于EMD方法。

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。