微电网仿真系统

原博客地址：http://blog.csdn.net/frank3543/article/details/45042977测试可使用，方便大家，有什么问题的请指出。我是qt5，配置照着项目应该没问题。

使用自适应对比度增强算法对眼底图像中的血管进行增强处理 。

【实例简介】资源非常大，分系列，其他系列详见我的资料 源码一 销售管理系统 源码二 彩票分析系统 源码三 餐饮管理系统 源码四 C#点名程序 源码五 象棋游戏 源码六 变色球游戏 源码七 多功能计算器 源码八 记事本 源码九 简易画图程序 源码十 成绩管理系统 源码十一 BBS论坛系统 源码十二 电话客服系统 源码十三 仿QQ聊天系统 源码十四 客房管理系统 源码十五 企业及时通讯系统 源码十六 企业人事管理系统 源

10万条社会类新闻未处理数据集 数据来源：爬取的某网站新闻，仅供科研和学习使用，如用于商业后果自

MATLAB高阶累积量工具箱,包含内容有：Higher-Order Spectrum Estimation: conventional methods % cum2x - Estimates cross-covariance% cum3x - Estimates third-order cross-cumulants% cum4x - Estimates fourth-order cross-cumulants % cumest - Estimates auto-cumulants, orders two, three, or f

【实例简介】信息类国家自然基金标书，涉及大数据，无线传感器网络

使用matlab实现apriori算法 包括频繁项集的生成 和 关联规则的发现

Fluent多相流高级应用实例,解决多相流数值模拟计算问题。

【实例简介】第一章 CCS概述 1 1.1 CCS概述 1 1.2 代码生成工具 3 1.3 CCS集成开发环境 5 1.3.1 编辑源程序 5 1.3.2创建应用程序 6 1.3.3 调试应用程序 6 1.4 DSP/BIOS 插件 7 1.4.1 DSP/BIOS 配置 7 1.4.2 DSP/BIOS API 模块 8 1.5 硬件仿真和实时数据交换 10 1.6 第三方插件 13 1.7 CCS文件和变量 14 1.7.1安装文件夹 14 1.7.2文件扩展名 14 1.7.3环境变量 15 1.7.4增加DOS环境空间 16 第二章 开发一个简单的应用程序 17 2.1 创建工程文件 17 2.2 向工程添加文件 19 2.3 查看源代码 21 2.4 编译和运行程序 23 2.5 修改程序选项和纠正语法错误 24 2.6 使用断点和观察窗口 26 2.7 使用观察窗口观察STRUCTURE变量 28 2.8 测算源代码执行时间 29 2.9 进一步探索 31 2.10进一步学习 31 第三章 开发DSP/BIOS程序 32 3.1 创建配置文件 32 3.2 向工程添加DSP/BIOS文件 34 3.3 用CCS 测试 36 3.4 测算DSP/BIOS代码执行时间 38 3.5 进一步探索 40 3.6 进一步学习 40 第四章 算法和数据测试 41 4.1 打开和查看工程 41 4.2 查看源程序 43 4.3 为I/O文件增加探针断点 45 4.4 显示图形 47 4.5 执行程序和绘制图形 48 4.6 调节增益 50 4.7 观察范围外变量 51 4.8 使用GEL文件 53 4.9 调节和测试PROCESSING函数 54 4.10 进一步探索 56 4.11 进一步学习 57 第五章 程序调试 58 5.1 打开和查看工程 58 5.2 查看源程序 60 5.3 修改配置文件 63 5.4 用EXECUTION GRAPH查看任务执行情况 66 5.5 修改和查看LOAD值 67 5.6 分析任务的统计数据 70 5.7 增加STS显式测试 72 5.8 观察显式测试统计数据 73 5.9 进一步探索 75 5.10 进一步学习 75 第六章 实时分析 76 6.1 打开和查看工程 76 6.2 修改配置文件 77 6.3 查看源程序 79 6.4 使用RTDX控制修改运行时的LOAD值 81 6.5 修改软中断优先级 84 6.6 进一步探索 85 6.7 进一步学习 85 第七章　I/O 86 7.1 打开和查看工程 86 7.2 查看源程序 87 7.3 SIGNALPROG应用程序 90 7.4 运行应用程序 91 7.5 使用HST和PIP模块修改源程序 93 7.6 HST和PIP资料 96 7.7 在配置文件中增加通道和SWI 97 7.8 运行修改后的程序 100 7.9 进一步学习 100

用身高体重数据进行性别分类的实验用本组采集的数据作训练样本，采用身高和体重为特征进行性别分类，在正态分布假设下估计概率密度，建立最小错误率贝叶斯分类器，写出得到的决策规则；将分类器应用到训练集上计算训练错误率；把分类器应用到dataset1.txt 上，计算测试错误率。在分类器设计时尝试采用不同先验概率（比如0.5 对0.5，0.24 对0.76 等），考查对决策和错误率的影响。自行给出一个决策表，采用最小风险贝叶斯决策重复上面的实验。用题2 中得到的似然比或对数似然比为分类指标，粗略画出ROC 曲线。