本人学习的国嵌笔记。
操作详细！第一季精通嵌入式 4一． 安装tftp服务器 4二． Samba服务器安装 4三． NFS服务器 5四． 安装vsftpdFTP服务器 5第2季-裸奔吧-ARM 6一． 安装交叉编译器 6二． 安装驱动 6三． 查看执行文件属性 6四． 编译工具用法 6五． Makefile基本规则 7六. 链接脚本 8七. Eclipse在线调试工具包为ARM-Tools.tar.gz 8八. ARM工作模式 10九. 寻址方式 10十. 汇编框架 10十一. Bootloader设计 111.2440板子 112.异常向量表 123.设置svc模式 124.时钟设置 125.sdram内存初始化 126.Steppingstone搬移代码到内存： 137.C语言环境初始化 13一、栈: 13栈作用: 14二、C语言和汇编混合编程 14第2季-裸奔吧-ARM\下学期 15一、MMU初始化 15二、中断 16三、NANDFALSH 17四、uart控制器 18五、MDA控制器 18六、液晶显示器 18七、触摸屏（采用TS中断） 18八、网卡驱动设计 19九、TFTP设计 19十、bootm设计 19第三季 20一、GDB调试使用方法 20二、coredump调试 20三、linux应用程序地址布局 21四、函数库使用方法 21五、系统调用之文件描述符 22六、库函数文件编程 22七、时间编程 22

概述PSAT(PowerSystemAnalysisToolbox)，中文翻译为电力系统分析软件包，包含了：PF-潮流计算；
CPF-连续潮流；
OPF-最优潮流；
SSSA-小扰动分析；
TDS-时域仿真；
GUI-用户人机界面；
GNE-自定义模型等功能。
经过验证，该工具包已经可以计算上千节点规模的系统。
而且该软件包源代码完全公开，因此用户可以根据自己的研究兴趣编写修改相应源代码实现研究目的。
同时,依托于Matlab的强大计算功能以及丰富的控制、信号处理、鲁棒控制、模糊控制等工具箱,使得PSAT可以把控制科学、信号处理等方面的新思想与电力系统的传统仿真计算有机地结合起来[1]。
系统模型库及主界面为了适应针对电力系统新元件、新问题的研究，PSAT提供了丰富的静态、动态模型库：电力系统分析软件包PSAT主界面介绍（1）潮流模型，母线、传输线、变压器、平衡母线、PV母线、恒功率负荷以及并联电容器等；
（2）电力市场相关模型，供求上下限、储备功率等；
（3）断路器相关模型，故障类型、开关等；
（4）测量元件模型，测频器、相量测量单元PMU等；
（5）电机模型，同步、异步电机；
（6）负荷模型(ZIP)，电压、频率相关模型等；
（7）控制器模型，调速器、励磁，电力系统稳定器PSS及附加阻尼控制(POD)；
（8）柔性交流输电技术(FACTS)模型，静止无功补偿器(SVC)、可控串联补偿装置(TCSC)、静止同步串联补偿器(SSSC)、统一潮流控制器(UPFC)；
（9）直流输电模型；
（10）分布式发电系统，各种风机模型。
主要功能（1）潮流计算：进行各种电力系统问题研究的基础，PSAT包括了标准牛顿-拉夫逊算法、快速解耦算法等。
PSAT具有友好的潮流计算界面,在装载算例(*.mdl或*.m)文件后,选择powerflow完成潮流计算后可以弹出潮流计算GUI。
其中，清楚地列出了母线电压相角、有功、无功等潮流结果。
同时，PSAT还支持将潮流结果以文本格式输出，这样的潮流结果可以方便地应用于任何软件编写的电力系统分析软件的输入。
（2）最优潮流：PSAT采用基于Mehrotra预测-修改的内点法求解最优潮流问题，并且PSAT最优潮流中的目标函数相当丰富。
（3）小信号分析：低频振荡正成为跨大区输电安全性的瓶颈，针对这一问题的研究已广泛展开。
在完成基本的潮流计算后，PSAT便可以进行特征值参与因子等计算工作。
它采用解析法计算Jacobian矩阵，这样就保证了计算的精确性。
（4）时域仿真分析：PSAT采用修改系统参数(例如支路阻抗数值大小)以及其专有的嵌入式的故障描述文件(*.m)来构成。

支持向量机源码，可在www.csie.ntu.edu.tw/~cjlin/libsvm/下载到最新版本，该版本是2013年4月更新的，3.17版。
压缩包里面有源代码和文档。
以下摘自前述网站：IntroductionLIBSVMisanintegratedsoftwareforsupportvectorclassification,(C-SVC,nu-SVC),regression(epsilon-SVR,nu-SVR)anddistributionestimation(one-classSVM).Itsupportsmulti-classclassification.Sinceversion2.8,itimplementsanSMO-typealgorithmproposedinthispaper:R.-E.Fan,P.-H.Chen,andC.-J.Lin.WorkingsetselectionusingsecondorderinformationfortrainingSVM.JournalofMachineLearningResearch6,1889-1918,2005.Youcanalsofindapseudocodethere.(howtociteLIBSVM)OurgoalistohelpusersfromotherfieldstoeasilyuseSVMasatool.LIBSVMprovidesasimpleinterfacewhereuserscaneasilylinkitwiththeirownprograms.MainfeaturesofLIBSVMincludeDifferentSVMformulationsEfficientmulti-classclassificationCrossvalidationformodelselectionProbabilityestimatesVariouskernels(includingprecomputedkernelmatrix)WeightedSVMforunbalanceddataBothC++andJavasourcesGUIdemonstratingSVMclassificationandregressionPython,R,MATLAB,Perl,Ruby,Weka,CommonLISP,CLISP,Haskell,OCaml,LabVIEW,andPHPinterfaces.C#.NETcodeandCUDAextensionisavailable.It'salsoincludedinsomedataminingenvironments:RapidMiner,PCP,andLIONsolver.Automaticmodelselectionwhichcangeneratecontourofcrossvaliationaccuracy.

本案例采用MNIST数据集对sklearn常用的分类算法进行训练，然后用训练后的模型来识别自己手写的数据。
本文采用sklearn里面最常用的分类算法:RandomForestClassifier、KNeighborsClassifier、SVC、MultinomialNB作为代表进行分析学习。

基于matlab的svc的bug示例基于matlab的svc的bug示例基于matlab的svc的bug示例

WCF中可以使用SVCUtil.exe生成客户端代理类和配置文件1.找到如下地址“C:\Windows\System32\cmd.exe”命令行工具，右键以管理员身份运行（视系统能否为win7而定）2.输入如下命令：C:\＞cdC:\ProgramFiles\MicrosoftSDKs\Windows\v7.0A\binC:\ProgramFiles\MicrosoftSDKs\Windows\v7.0A\bin＞SvcUtil.exe/out:clientCode.cs/config:\app.confighttp://localhost:62026/CalculatorService.svc说明：参数：“C:\ClientCode.cs”，是指生成的代理类输出存放到的地址参数：“C:\app.config”，是指存放到调用WCF服务程序目录下的配置文件的输出存放地址参数：“http://localhost:81/WCFServiceTest/CNPatentSearchService.svc”，是指部署到IIS的WCF服务的地址3.运行以上命令后，会在"C:\"目录下生成两个文件，ClientCode.cs和app.config（C:\app.config中已经为我们配置好了WCF服务的根节点等必须的信息，当然，如果您也可以自己对部分参数进行修改）

SVC装置的Simulink实现和仿真教学材料-SVC装置的Simulink实现和仿真.rarSVC装置的Simulink实现和仿真

SVC命令简介

基于simulink的SVC与SVG的仿真，经过仿真分析他们的有缺点。

支持向量机是数据挖掘中的一个新方法。
支持向量机能非常成功地处理回归问题(时间序列分析)和模式识别(分类问题、判别分析)等诸多问题，并可推广于预测和综合评价等领域，因此可应用于理科、工科和管理等多种学科。
目前国际上支持向量机在理论研究和实际应用两方面都正处于飞速发展阶段。
希望《数据挖掘中的新方法——支持向量机》能促进它在我国的普及与提高。
《数据挖掘中的新方法——支持向量机》对象既包括关心理论的研究工作者，也包括关心应用的实际工作者。
对于有关领域的具有高等数学知识的实际工作者，略去书中的某些理论部分，仍能对支持向量机的本质有一个概括的理解，从而用它解决自己的问题。
《数据挖掘中的新方法——支持向量机》适合高等院校高年级学生、研究生、教师和相关科研人员及相关领域的实际工作者使用。
序言符号表第1章最优化问题及其基本理论1·1最优化问题1·2最优性条件1·3对偶理论1·4注记参考文献第2章求解分类问题和回归问题的直观途径2·1分类问题的提出2·2线性分类学习机2·3支持向量分类机2·4线性回归学习机2·5支持向量回归机2·6注记参考文献第3章核3·1描述相似性的工具——内积3·2多项式空间和多项式核3·3Mercer核3·4正定核3·5核的构造3·6注记参考文献第4章推广能力的理论估计4·1损失函数和期望风险4·2求解分类问题的一种途径和一个算法模型4·3VC维4·4学习算法在概率意义下的近似正确性4·5一致性概念和关键定理4·6结构风险最小化4·7基于间隔的推广估计4·8注记参考文献第5章分类问题5·1最大间隔原则5·2线性可分支持向量分类机5·3线性支持向量分类机5·4支持向量分类机5·5ν-支持向量分类机(ν-SVC)5·6ν-支持向量分类机(ν-SVC)和C-支持向量分类机(C-SVC)的关系5·7多类分类问题5·8一个例子5·9注记参考文献第6章回归估计6·1回归问题6·2ε-支持向量回归机6·3ν-支持向量回归机6·4ε-支持向量回归机(ε-SVR)与ν-支持向量回归机(ν-SVR)的关系6·5其他方式的支持向量回归机6·6其他方式的损失函数6·7一些例子6·8注记参考文献第7章算法7·1无约束问题解法7·2内点算法7·3求解大型问题的算法7·4注记参考文献第8章应用8·1模型选择问题8·2分类问题的线性分划中的特征选择8·3模型选择8·4静态图像中球的识别8·5自由曲面的重建问题8·6应用简介8·7核技巧的应用8·8注记参考文献附录A基础知识A·1基本定义A·2梯度和Hesse矩阵A·3方向导数A·4Taylor展开式A·5分离定理附录BHilbert空间B·1向量空间B·2内积空间B·3Hilbert空间B·4算子、特征值和特征向量附录C概率C·1概率空间C·2随机变量及其分布C·3随机变量的数字特征C·4大数定律附录D鸢尾属植物数据集英汉术语对照表

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。