创建图像Histogram和objet detection

图像特征数据的提取，然后进行图像拼接。一些matlab编程上的精妙思路(Simple image processing to extract the image feature data, image mosaic)

MT4平台自带了一个自动交易的EA指标，这是macd+ma+kd系统EA(Macd+ma+kd system EA)

说明：  codes for MSST, which improved the sst (swt)

讲述了如何在octave中 使用matlab的M文件，非常好用的啊！(Described how to use*.M file type from matlab in octave,good to use!)

对输入信号进行傅立叶变换，并画出单边频谱图(Of the input signal Fourier transform, and draw a unilateral Spectrum)

A basic OFDM code implementing AWGN and Rayleigh fading channel (Fast Fading). Good for basic understanding

说明：  改进的AR时间序列分析模型，加入了窗口的概念，源码里有实例(Improved AR time series analysis model, adding the concept of the window, there are instances where the source)

利用matlab软件，用m文件实现信号的psk调制解调。-Using matlab software, with the realization of m document psk modem signals.

首先输入原始数据，包括节点个数NB 支路个数NL 发电机个数NG节点数据矩阵 databus(节点类型 节点号 发电机有功 发电机无功 负荷有功 负荷无功 电压幅值 相角，标志，节点功率限值 电压限值）节点类型 1 PQ节点 0 PV节点 -1 平衡节点）支路数据矩阵 dataline(起始节点号 终止节点号 支路电阻 支路电抗 支路变比 支路对地导纳，支路有功潮流（7）,支路无功潮流（8），支路有功逆潮流，支路逆无功潮流，额定电流（线路容量限制），线路每小时故障率，线路停运率，标志，支路标识）发电机组参数矩阵（发电机序号，所在节点号，有功功率（GW），无功功率上限，每小时的故障率，每小时的修复率的倒数,有功下限，无功下限，空载电压，机端电压，发电机电抗）然后使用牛顿-拉夫逊法对电力系统进行潮流计算，输出节点电压幅值和相角

本书是The IMA Volumes in Mathematics and its Applications系列的一本，由Springer-Verlag发表，用于交流每年数学规划算法方面的新成果，希望对于广泛的科学团体有帮助。 许多工程，运筹，和科学应用包括离散或连续的决策变量，以及这些决策变量的非线性关系。这种 Mixed-integer nonlinear programming （MINLP，混合整数非线性规划），兼具来自非线性问题的非凸函数优化，以及来自整数的离散优化，这两方面的挑战。这种问题是优化问题里面建模最灵活的类型之一，但是因为它范围极广，在最一般的情况下，它是几乎无法解的。然而，日渐壮大的研究者和程序员队伍，包括化学工程，运筹研究者，工业工程师，机械工程师，经济学家，统计学家，计算机科学家，运营经理，和数学程序员，都对求解大规模MINLP问题产生兴趣。(Many engineering, operations, and scientific applications include a mixture of discrete and continuous decision variables and nonlinear relationships involving the decision variables that have a pronounced effect on the set of feasible and optimal solutions. Mixed-integer nonlinear programming (MINLP) problems combine the numerical difficulties of handling nonlinear functions with the challenge of optimizing in the context of nonconvex functions and discrete variables. MINLP is one of the most flexible modeling paradigms available for optimization but because its scope is so broad, in the most general cases it is hopelessly intractable. Nonetheless, an expanding body of researchers and practitioners ― including chemical engineers, operations researchers, industrial engineers, mechanical engineers, economists, statisticians, computer scientists, operations managers, and mathematical programmers ― are interested in solving large-scale MINLP instances.)