HMI人机界面控制步进电机

在MATLAB环境中，用于实现线性方程组的快速运算，加快计算效率-Gauss method

农夫过河的扩展，如一个农夫带5件物品，每次带2件-farmer expansion of the river, such as a farmer with five items, each with two

NREINAS版本1.9；

求解一维非稳态导热扩散方程的C语言程序，分别考虑三种不同边界条件，采用TDMA算法求解三对角矩阵-Calculation of heat transfer analysis one-dimensional diffusion equation

蚁群算法对机械臂的路径进行仿真规划，可以利用蚁群算法进行机械臂的路径进行规划，如果需要，请下载……………………

自己参加飞思卡尔智能车竞赛程序，上传程序为程序中的核心部分，涉及信号采集，PID算法，电机控制，舵机控制，，希望对大家有所帮助。低层驱动为自己编写，比较乱就不上传了，大家可以自己编写

它对于三维人脸或目标识别非常有用，它包含一个gui，可以帮助您查看或应用加载的三维文件类型上的命令

 比较详尽的GEP的python版本，包括了GEP常用的算法实现。GEP算法的基本过程和GA的过程非常相似，GEP处理的对象可以是单基因或多基因组成的染色体（基因组）。基因由线性的、固定长度的符号串组成。

KMEANS 利用两相的迭代算法来减少点到形心的距离，K 的所有群集的都总和的总和。第一阶段使用文献通常描述作为"批"的更新，每次迭代组成的就是重新分配到他们最近的群集质心点一下子，紧接着簇中心的重新计算。这一阶段可以看作是提供速度快，但可能只有近似解作为起始点，第二阶段。第二阶段使用文献通常描述作为"上线"的更新，在那里点单独重新分配如果这样做会降低的距离，总和和簇中心则在每个重新分配后重新计算。在这第二个阶段的每次迭代包含一通虽然所有的点。KMEANS 可以收敛于局部最优解，在这种情况下是在哪个移动到不同的群集的任何单点增加的距离总和的点的一个分区。这个问题只能是解决了起始点的聪明 （或幸运，或详尽无遗） 的选择。IDX 分为不同的 K 组 = KMEANS （X、 K） 分区 N 由 P 数据矩阵 X 中的点。此分区减少总和，在所有的群集，群集内款项的点到聚类质心的距离。X 行对应于点、 变量对应的列。KMEANS 返回 N 由 1 向量 IDX 包含每个点的聚类指数。默认情况下，KMEANS 使用平方欧氏距离。