对灰度图像进行边缘提取 ，种子填充，轮廓跟踪，轮廓提取

这个是LT码的MATLAB实现，作者把代码写的比较清楚，每个参数都有注释，很容易理解

基于AT89C51的IC卡智能水表设计，通过单片机实现水表的智能控制

本书以MATLAB R2016a为仿真平台，以控制系统为主线，以MATLAB为辅助工具，三者有机结合介绍控制系统的仿真设计，实用性强，内容丰富。本书主要内容包括MATLAB软件简介、线性控制系统模型、线性控制系统分析、时域分析、根轨迹分析、频域分析、PID控制器分析、非线性系统分析、状态空间控制系统分析、鲁棒控制器分析和智能控制分析。

使用LABVIEW，实现PC与外部仪表仪器之间的RS232通讯。【核心代码】labview-rs232.vi

本设计主要依据风力发电机组的控制目标和控制策略，通过使用电力系统动态模拟仿真软件PSCAD/EMTDC，建立变桨距风力发电机组控制系统的模型。为了验证控制系统模型的可用性，建立风力发电样例系统模型，对样例系统进行模拟仿真，并对所得的仿真结果进行了分析，从而证实了风力发电机组控制系统模型的可用性,然后得出了它的控制方法

基于fpga的dds可调幅 调频（1HZ-20M）调相，输出正弦波，方波，锯齿波，三角波

使用Hu距作为特征SVM分类器进行预测的动作识别程序，可以识别stand_up/hand_up/nothing三个类别，适合初学者，可正常运行。由于训练的样本较少，所以识别结果不是很准确，有待于扩充样本数量，欢迎大家下载交流。

该文档包含了比较全面的行为识别的综述，以及深度学习的最近进展，能够帮助大家尽快掌握该领域的发展现状，为大家理清研究思路提供一定的帮助和参考。

完全的MATLAB程序，以运行成功，每一句代码后面都有注释，可以很好帮助理解程序，如还有不懂，请用MATLAB的内部help

ID3算法是决策树的鼻祖，最早于1986年由Quinlan提出，全称是Iterative Dichotomiser 3 [1]。在这篇课程报告中，我将对经典的ID3做出三次改进：1.把 info gain 改进为 gain ratio；2. 把简单投票的过程改进为朴素贝叶斯的方法；3. 将许多颗ID3决策树打造成随机森林。本人将在Weka平台进行二次开发，并且用Weka-Experiment做大量实验，和其它著名的算法进行比较，最后做出综述。项目的源代码开源在本人的GitHub主页上。未来工作有以下几点:是那么容易就可以随机出来的1.在 Improvement Two中,3树的生长的深度限3.可以把这三种改进方法糅合在一起,看看三种制在多少,可以进行进一步的研究改进组合在一起,能不能产生性能更加的算法2.在 Improvement Three中,本人费劲心思写出来4.上述所有方法都是基于属性为 nominal的数据的“随机森林”,正确率反而比D3更差。虽然集,可以进一步研究属性为 numerical,甚至是很使我伤心,但是我在写代码、调试代码、还有两者混合的数据集。思考的过程中有了不少长进。看来随机森林不L己ta3et(1 caitao.I(2) caita (3 caita (4 caita (5) trees (6)treesca置,色va1 eatlon(100)B9.19|81.36*92.85V78.日9*94.43W93.40Vweather. symbolic100)79.00|56.507s.0079.57.506,50{v!/*)|(0/1/1)(1/1/0(011/1)(1/1/0)(1/1/0Re1)caia。,工3"-26936786470963225612) CaILE。 gainRatio.工D311-2693678647096322561(3 caitao naiveBayes. ID3-26936786470963225614)cata0 andomforest,ID31-2593678647096322561{5) trees. NBTree"-47160057070582560866) trees. Randomforest"-10-4-51- depth101-2260823972777004705图-7: Weka-experiment实验结果。总共6个算法,2个数据集。6个算法中(1是原始的1D3算法,后面(2)-(4)是本人的改进算法,(5)和(6)是Weka平台自带的算法。GitHub较风趣;另一方面,蒋老师在我上机实习的过程过,本次模式识别上机实刁的代码,全部公开在本人的回答了我不少疑惑,虽然这些疑惑对于蔣老师而言GitHub主页上面,ur地址如下:可能十分幼稚,但是依然完整解决了我的问题。1. Improvement one:https://github.com/caitaozhan/id3improvements/treREFERENCES/gain ratio2. Improvement TwoJhttps://en.wikipedia.org/wiki/id3algorithmhttps://github.com/caitaozhan/id3_improvements/tre[2]决策树,蒋良孝的PPTChapter2-8e/naive bayes[3] Data Mining Practica/ Machine Learning Tools and3. Improvement threTechniques--Chapter4.3https://github.com/caitaozhan/id3improvements/tre[4贝叶斯分类,将良孝的PPTChapter3-15e/random forest[5]http://archive.ics.uci.edu/ml/datasets/car+evaluation[6]https://en.wikipediaorg/wiki/random_subspace_methodAcknowledgements感谢蒋良孝老师对于我的指导。一方面,蒋老师上课讲解十分到位,关键部位一点就通了,不仅如此还比