L

Matlab 的Numerical Computing，全书pdf＋全代码，英文版-Matlab Numerical Computing, the whole book pdf+ code, in English

用matlab编写的bpsk的程序.-using Matlab BPSK prepared by the procedure.

关于matlab编写的图片浏览器算法，打开一个图片目录，可以通过【上一张】、【下一张】按钮实现图片的浏览，并且自动检测第一张和最后一张图片

算24点，若有解则输出每一步计算步骤，若无解则返回“No answer！”-Count 24 points, if so, what solutions are output every step of the calculation steps, if there are no solution is returned

Secant method with 2 points for non-linear equations in C

给定N个不等距点上的函数值，计算指定区间上的三次插值多项式与指定插值点上的函数值-Given N non-equidistant points on the function value, calculated on a specified interval with the specified three interpolating polynomial interpolation points on the function value

应用背景本文提出了一种技术自主设计和仿真的改进的体系结构进位保存加法器。这种体系结构被证明产生的结果，除了快速和需要的最低数量的逻辑大门。二进制加法是由一系列的异或运算进行，和移位左操作。这些操作被终止与完成信号表明了加法的结果。因为移位运算的数目进行的变化从0到n的n个加数，行为模型中的所有可能有2到15位加数的应用。推导了数学模型从数据和用于预测标准二进制的移位所需的平均数数字，如32，64或128位。4原型这个加法器的设计与仿真在同步和异步模式的操作。并；关键技术进位加法器，同步加法器，异步加法器

fountain codes有关图像处理的matlab的实现。从一个网站上下载下来。对于fountain codes的实现，特别是LT的实现有极大的借鉴意义。

应用背景 支持向量机（Support Vector Machine，SVM）是一种新的机器学习方法，其基础是Vapnik创建的统计学习理论（Statiscal Learning Theory，STL）。统计学习理论采用结构风险最小化（Structural Risk Minimization，SRM）准则，在最小化样本点误差的同时，最小化结构风险，提高了模型的泛化能力，且没有数据维数的限制。在进行线性分类时，将分类面取在离两类样本距离较大的地方；进行非线性分类时通过高维空间变换，将非线性分类变成高维空间的线性分类问题。 关键技术 本章将详细介绍支持向量机的分类原理，并将其应用于基于乳腺组织电阻抗频谱特性的乳腺癌诊断。 乳腺是女性身体的重要器官，乳腺疾病类别繁多、病因复杂，其中，乳腺癌是乳腺疾病的一种，逐渐成为危害女性健康的主要恶性肿瘤之一。近年来，乳腺癌等乳腺疾病发病率呈明显上升趋势，被医学界称为“女性健康第一杀手” 。 相关研究结果表明，在直流状态下不同生物组织表现出不同的电阻特性，生物组织电阻抗随着外加电信号频率的不同而表现出较大的差异。常见的电阻抗测量方法有：电阻抗频谱法(Impedance Spectroscopy)、阻抗扫描成像法(Electrical Impedance Scanning，EIS)、电阻抗断层成像法（Electrical Impedance Tomography，EIT）等。电阻抗频谱法的测量依据是生物组织的电阻抗随着外加电信号频率的不同而呈现出较大的差异；阻抗扫描成像法的原理是癌变组织与正常组织及良性肿瘤组织的电导（阻）率相比，存在着显著性的差异，从而使得均匀分布在组织外的外加电流或电压场产生畸变；电阻抗断层成像法则利用设于体表外周的电极阵列及微弱测量电流，提取相关特征并重新构造出截面的电阻抗特性图像。 尽管目前的电阻抗测量结果还存在一些偏差，但相关研究已经证实癌变组织与正常组织的电阻抗特性存在显著地差异。因此，乳腺组织的电阻抗特征可以应用于乳腺癌的检查与诊断中。由于电阻抗测量法具有无创、廉价、操作

7、满足随机数大于交叉概率的进行交叉，双交叉点交叉法（已实现）8、初始种群中染色体用Floyd方法或扫描法（未实现，想等到收敛性有一定程度的保证后再采用扫描法）9、两点之间的距离是坐标间的直线距离，之后可以用直接输入的距离10、迭代次数不是很稳定，有时候会陷入死循环，停止调试，重新调试即可11、每点击一次重新运行，程序便从头计算一次，目前我自己遇到的最好结果是3辆车、20个点的情况下总路程105.4，最好染色体适应度0.09+12、约束条件是：车辆数量、载重量和里程数。超出载重量或里程数则换车，超出车已有车辆数量就惩罚。13、建立了解决VRP问题的类，需要时派生出不同的参数适应不同问题