数字信号处理（时分复用）课程设计报告

基于stm32的血压算法，精度还可以，需要的话可以直接移植使用，方便大家。

支持向量机(SVM)是2O世纪9O年代初由Vapnik等人提出的一类新型机器学习方法，此方法能够在训练样本很： 的情况下达到很好的分类推广能力。本文应用SVM 算法时车牌中的汉字字符进行识别，无字符特征提取提高了识别速度，并且可得到较高的识别率。实验讨论了SVM 算法用于字符识别时，不同的核函数时识别率的影响。实验结果表明，用SVM 算法进行车牌字符识别具有较高的识别率。

这是1.5维普的matlab程序

说明： DSP flash 烧写工具，包括FBTC程序、Flashburn程序，和代码转换工具 PS：相当棒的程序，但是由于身边的开发板是非官方开发板，所以目前的程序还没有调试成功，但是所有的都是基于此程序的。

利用小波神经网络对时间序列进行分析，并对交通流量进行预测

里面有就是多种数据处理工具，非常便利。 1.文本文件操作 1.1征地部标准坐标导出... 2 1.2征地部标准坐标导入... 6 1.3线封闭... 6 1.4点集转面... 7

有关labview界面的几个例子，以及一些界面设计的文章，对界面设计有需求的可以参考一下 【核心代码】 LabVIEW界面设计的风水 ├── Demos│   ├── Demo 1 前景背景色│   │   └── FrontBackColor.vi│   ├── Demo 2 Graph透明色│   │   └── Graph.vi│   ├── Demo 3 自定义控件│   │   ├── Customized Control.vi│   │   └── Moving Pics.vi│   ├── Demo 4 粒子加速器│   │   └── LabVIEW HMI Demo│   │       ├── EXE│   │       │   ├── SR Light.aliases│   │       │   ├── SR Light.exe│   │       │   ├── SR Light.ico│   │       │   ├── SR Light.ini│   │       │   └── Thumbs.db│   │       └── Source Code│   │           ├── Accelerators Interface.aliases│   │           ├── Accelerators Interface.lvproj│   │           ├── Controls│   │           │   ├── SR Light.ico│   │           │   ├── Thumbs.db│   │           │   ├── about.rtm│   │           │   ├── flash.ctl│   │           │   ├── flash1.ctl│   │           │   ├── stop.ctl│   │           │   └── stop1.ctl│   │           ├── Documentation│   │           │   ├── Thumbs.db│   │           │   ├── background.bmp│   │           │   ├── help.txt│   │           │   └── report.doc│   │           ├── HMI  网页说明.doc│   │           ├── HMI help.doc│   │           └── subvi│   │               ├── About Menu Bar.vi│   │               ├── initialization.vi│   │               ├── light.vi│   │               ├── main.vi│   │               ├── move--booster.vi│   │               ├── move--linear.vi│   │               ├── move--ring.vi│   │               ├── s--light.vi│   │               ├── s--move-booster.vi│   │               ├── s--move-linear.vi│   │               └── s--move-ring.vi│   ├── Demo 5 XControl│   │   ├── Calculator XControl│   │   │   ├── Calculator Example.vi│   │   │   ├── Calculator XControl Project.aliases│   │   │   ├── Calculator XControl Project.lvproj│   │   │   └── XControl│   │   │       ├── Calculator XControl.xctl│   │   │       ├── Controls│   │   │       │   └── Format.ctl│   │   │       ├── Data 1.ctl│   │   │       ├── Facade 1.vi│   │   │       ├── Init 1.vi│   │   │       ├── State 1.ctl│   │   │       └── subVIs│   │   │           ├── Format Number.vi│   │   │           └── Substitute Constants.vi│   │   ├── LEDXCtrl│   │   │   ├── LED Display.rtm│   │   │   ├── LED Display.xctl│   │   │   ├── LED Probe.ctl│   │   │   ├── LED-ASCII Code to Character Grid.vi│   │   │   ├── LED-Change text.vi│   │   │   ├── LED-Ctl2Ind.vi│   │   │   ├── LED-Data.ctl│   │   │   ├── LED-Facade.vi│   │   │   ├── LED-Init.vi│   │   │   ├── LED-New Text.vi│   │   │   ├── LED-Set Text_Label.vi│   │   │   ├── LED-Set Text_Tag.vi│   │   │   ├── LED-State.ctl│   │   │   ├── LED-ctrl ref scroll.vi│   │   │   ├── LED-single iteration scroll.vi│   │   │   ├── ProjectLED.aliases│   │   │   ├── ProjectLED.lvproj│   │   │   ├── Read_Me.vi│   │   │   └── XCtrl-State Changed.vi│   │   └── TF Graph│   │       ├── Daemon.vi│   │       ├── Domain Read.vi│   │       ├── Domain Write.vi│   │       ├── Domain.ctl│   │       ├── Example.vi│   │       ├── TF Graph.xctl│   │       ├── data.ctl│   │       ├── facade.vi│   │       ├── init.vi│   │       └── state.ctl│   ├── Demo 8 布局│   │   ├── Align Unplug.vi│   │   └── Aligned.vi│   └── Demo 9 Mouse Busy│       └── Mouse Busy.vi└── LabVIEW界面设计的风水(2009).pdf20 directories, 79 files

【实例简介】基于灰色理论与神经网络的水质组合预测模型的研究是当前水质预测领域的研究热点之一，国内外众多研究者都在尝试如何将灰色理论与神经网络进行有效组合，以获得更好的预测效果。因此，本文在借鉴前人的成果基础上，采用串联组合方法分别对基于灰色理论与 神经网络的水质组合预测模型、基于灰色理论与 神经网络的水质组合预测模型进行了对比研究，同时提出了一种预测效果更佳的基于时间窗口移动技术与 神经网络的水质组合预测模型。 首先，本文根据中国环境质量公报（淡水环境）中长江水环境质量状况以及结合重庆市长江流域断面的实际情况筛选出七项水质指标，然后论述了灰色 模型、 神经网络以及 神经网络的相关理论和算法，接着建立了基于灰色理论与 神经网络的水质组合预测模型和基于灰色理论与 神经网络的水质组合预测模型，并以重庆市长江寸滩断面1998年至2008年的水质数据为例进行了实例测试和结果分析，也对两种组合预测模型的结果进行了对比与讨论，得出了后者预测效果更好等结论。 与此同时，通过以上两种组合预测模型的研究，本文提出了基于时间窗口移动技术与 神经网络的水质组合预测模型，并仍以长江寸滩断面为例，经过研究和实例测试表明该模型能够较好的对长江流域寸滩断面的水质进行预测，在整体上其预测效果比前两种组合预测模型更为理想，而且该模型能够较好地应用于水质指标预测和管理中，为河流水质预测提供重要的科学依据。 最后，本文采用基于 神经网络的水质评价模型对重庆市长江寸滩各年的水质进行了等级评价，并与中国环境保护部公布的水质评价结果进行了对比分析，其结果表明水质评价结果在一定程度上能够正确地反映长江寸滩当前的水质状况。

利用蚁群算法得到模糊聚类的初始值，再利用FCM对样本数据进行分类。

粒子群优化算法(详细易懂,很多例子)粒子群优化算法粒子群优化算法