mat

分类: 娱乐休闲 >> 电影 问题描述: 我记得在骇客帝国中ZION是人类最后的据点，好象它和犹太人有关是他们的一个故都，在圣经中也有出现，但不知在历史上具体情形怎样，还请达人指点 解析: 锡安城：基督教的传说里,它只是一个城堡,是耶路撒冷的象征, 甚至在现今被当成以色列的别称. 一句话,避难的地方

好好运用o(∩_∩)o...

现在比较常用的是台湾一个大学教授编的一个svm工具箱叫“Libsvm”，有c版本的和matlab版本的，你可以到网上下载下来研究一下

上篇　方法演绎第1章　数据建模常规方法的matlab实现1.1　数据的读人与读出1.2　数据拟合方法1.3　数据拟合应用实例1.4　数据的可视化第2章　规划问题的matlab求解2.1　线性规划2.2　非线性规划2.3　整数规划第3章　灰色预测及其matlab实现3.1　灰色预测基础知识3.2　灰色预测的matlab程序3.3　灰色预测应用实例第4章　遗传算法及其matlab实现4.1遗传算法基本原理4.1.1人工智能算法概述4.1.2遗传算法生物学基础4.1.3遗传算法实现步骤4.1.4遗传算法的拓展4.2遗传算法MATLAB程序设计4.2.1程序设计流程及参数选取4.2.2 MATLAB遗传算法工具箱4.3遗传算法应用案例4.3.1案例一 无约束目标函数最大值遗传算法求解策略4.3.2案例二 CUMCM中多约束非线性规划问题的求解第5章 粒子群算法及其MATLAB实现5.1 PSO算法相关知识5.1.1 初识PSO算法5.1.2 PSO算法基本理论5.1.3 PSO算法的约束优化5.1.4 PSO算法优缺点5.2 PSO算法程序设计5.2.1程序设计流程5.2.2 PSO算法的参数选取5.2.3 PSO算法MATLAB源程序范例5.3 应用案例 基于PSO算法和BP算法训练神经网络5.3.1如何评价网络的性能5.3.2 BP算法能够搜索到极值的原理5.3.3 PSO-BP神经网络的设计指导原则5.3.4 PSO算法优化神经网络结构5.3.5 PSO-BP神经网络的实现第6章 模拟退火算法及其Matlab实现 6.1 算法的基本理论6.1.1 算法概述6.1.2 基本思想6.1.3 其它一些参数的说明6.1.4 算法基本步骤6.1.5 几点说明6.2 算法的Matlab实现6.2.1 算法设计步骤6.2.2 典型程序结构6.3 应用实例：背包问题的求解9.3.1 问题的描述9.3.2 问题的求解6.4 模拟退火程序包ASA简介6.4.1 ASA的优化实例6.4.2 ASA的编译6.4.3 Matlab版ASA的安装与使用6.5 小结6.6 延伸阅读第7章 人工神经网络及其Matlab实现7.1 人工神经网络基本理论7.1.1 网络模型拓扑结构7.1.2常用激励函数7.1.3 常见神经网络理论7.1.4四层径向基小波神经网络结构设计7.2 BP神经网络MATLAB工具箱7.2.1 BP网络创建函数7.2.2 神经元激励函数7.2.3 BP网络学习函数7.2.4 BP网络训练函数7.2.5 性能函数7.3组建神经网络的注意事项7.3.1神经元结点数7.3.2数据预处理和后期处理7.3.3 学习速度的选定7.4 应用实例7.4.1基于MATLAB工具箱公路运量预测7.4.2 基于MATLAB源程序公路运量预测7.4.3 艾滋病治疗最佳停药时间的确定第8章 小波分析及其MATLAB实现 8.1小波分析基本理论8.1.1 Fourier变换的局限性8.1.2 伸缩平移和小波变换8.1.3小波变换入门和多尺度分析8.1.4小波窗函数自适应分析8.1.5梦的凝缩与小波多尺度分解8.2小波分析MATLAB程序设计8.2.1 小波分析工具箱函数指令8.2.2小波分析程序设计综合案例8.3小波分析应用案例8.3.1案例一 融合拓扑结构的小波神经网络8.3.2案例二 血管重建引出的图像数字水印第9章 计算机虚拟及其MATLAB实现 9.1计算机虚拟基本知识9.1.1从3G移动互联网协议W-CDMA谈MATLAB虚拟9.1.2计算机虚拟与数学建模9.1.3数值模拟与经济效益博弈9.2数值模拟MATLAB程序设计9.2.1 微分方程组模拟9.2.2服从概率分布随机模拟9.2.3蒙特卡罗模拟9.3动态仿真MATLAB程序设计9.2.1 MATLAB音频处理9.2.2 MATLAB常见6种动画形式9.4应用案例 四维水质模型9.3.1引例提出9.3.2 引例分析9.3.3四维水质模型准备9.3.4 条件假设与符号约定9.3.5四维水质模型的组建9.3.6 模型求解9.3.7计算机模拟情境下篇 真题演习 第10章 彩票中的数学(CUMCM2002B) 10.1 问题的提出10.2 问题二模型的建立10.2.1 模型假设与符号说明10.2.2 模型的准备10.2.3 模型的建立10.3 模型的求解10.3.1 求解的思路10.3.2 Matlab程序13.3.3 程序结果10.4 技巧点评第11章 露天矿卡车调度问题(CUMCM2003B) 11.1 问题的提出11.2 基本假设与符号说明11.2.1 基本假设11.2.2 符号的说明11.3 问题的分析及模型的准备11.4 原则1数学模型（模型1）的建立与求解11.4.1模型的建立11.4.2 模型的求解11.5 原则2数学模型（模型2）的建立与求解11.6 技巧点评第12章 奥运会商圈规划问题(CUMCM2004A)12.1 问题的描述12.2 基本假设、名词约定及符号说明12.2.1基本假设12.2.2符号说明12.2.3名词约定12.3 问题的分析与模型的准备12.3.1基本思路12.3.2基本数学表达式的构建12.4. 设置MS网点数学模型的建立与求解12.4.1模型的建立12.4.2模型的求解12.5 设置MS网点理论体系的建立12.6 商区布局规划的数学模型12.6.1模型的建立12.6.2模型的求解12.7 模型的评价及使用说明12.7.1 模型的优点12.7.2 模型的缺点12.8 技巧点评第13章 卫星和飞船的跟踪测控（CUMCM2009C） 13.1 问题的提出13.2 模型的组建13.2.1 基本假设13.2.2 符号约定13.2 模型的建立13.2.1 模型一 椭圆形运行轨道的测控站设置13.2.2 模型二 圆形运行轨道的测控站设置13.3 模型的求解和结果13.4飞船测控系统的仿真13.4.1 仿真思路与步骤13.4.2 仿真程序与结果13.5 模型的讨论13.6 技巧点评第14章 出版社的资源配置问题(CUMCM2006A) 14.1 问题重述14.2 符号说明和基本假设14.2.1 基本符号说明14.2.2 基本假设14.3 问题分析和模型的准备14.3.1 各学科（分社）内部书号个数的分配14.3.2 由分配到的书号数计算销售量14.3.3 人力资源的约束14.3.4 由市场占有率确定强势产品14.3.5 权重满意度、评价函数和潜在效益价值14.4 规划模型的建立14.4.1 目标函数的确定14.4.2 约束条件的挖掘14.4.3 规划模型14.5 模型的求解14.5.1 直接利用MATLAB自带的优化工具箱求解14.5.2 遗传算法求解规划问题14.5.3 所有课程分配书号数的确定14.6 技巧点评第15章 城市供水量预测(电工杯2007B) 15.1 问题重述15.2 模型的建立和求解15.2.1模型的假设15.2.2符号约定15.2.3 问题的分析15.3 模型一 城市计划供水量的灰色预测15.3.1 问题的小波分析15.3.2 灰色预测的建立和实现15.4 模型二 两个水厂计划供水量的灰色预测15.5 模型三 改进型四层隐节点合成BP神经网络模型15.5.1 BP神经网络的建立15.5.2 Matlab实现程序15.5.3 模型的结果15.6 模型的检验15.7 模型的优缺点15.8 技巧点评附件 数学建模参赛经验 一、如何准备数学建模竞赛二、数学建模队员应该如何学习Matlab三、如何才能在数学建模竞赛中取得好成绩四、数学建模竞赛中的项目管理和时间管理五、一种非常实用的数学建模方法：目标建模法

fplot("variable.*sin(10*pi*variable)+2.0",[-2,2]);fieldd=[20;-1;2;1;0;1;1];函数的范围不同。第一个是【-2，2】，第二个是【-1.-2】.还有里面一句的 plot(variable(i),y,"bo");虽然去后后程序可以正常运行但我不知道怎么用。

大于5M的你找个免费的在线存储，上传上去，然后把链接发给编辑部，他们自己下载。在你的正文中要提及这些supporting information，在脚注里或者在方法介绍那部分等等。

我的同桌好几个，各种类型，主要负责问题和教题目

1．game 主要指决定胜负的游戏，通常有一套规则，凡参加者均需遵守。可以是体力方面的，也可以是脑力方面的，多用于美语。英国英语则用match. 这时，game和match可以互换。a football game/matcha basketball game/matcha baseball game/matcha ping-pong match/gamea tennis match/gamea boxing match/gameAfter a game on the sports field they often become good friends.在运动场上进行一场比赛之后，他们常常变成了好朋友。They buy tickets or turn on their TVs to watch the games.他们买票或打开电视机看比赛。2game 作复数时，一般指大型的国际体育运动会、比赛会或学校的游戏课、体育课。如：the Olympic Games=the Olympics 奥林匹克运动会。3．race n. 赛跑；速度方面的比赛，如赛跑或赛车racer n. 比赛者(包括人,动物,车辆等)a horse race赛马 a 10-mile race 10英里赛跑attending the dog races.参加赛狗大会

美培亚风机标牌上写的NMB-MAT的是旧批次4715MS;美培亚风机标牌上写的NMB的是新批次11938MB;主要在于两种风机震动的方式不同，其中MS 代表面波震级，MB体波震级。

Keanu Reeves ... NeoLaurence Fishburne ... MorpheusCarrie-Anne Moss ... TrinityHugo Weaving ... Agent SmithGloria Foster ... OracleJoe Pantoliano ... CypherMarcus Chong ... TankJulian Arahanga ... ApocMatt Doran ... MouseBelinda McClory ... SwitchAnthony Ray Parker ... DozerPaul Goddard ... Agent BrownRobert Taylor ... Agent JonesDavid Aston ... RhineheartMarc Aden Gray ... Choi (as Marc Gray)Ada Nicodemou ... Dujour (White Rabbit Girl)Deni Gordon ... PriestessRowan Witt ... Spoon BoyEleanor Witt ... Potential (as Elenor Witt)Tamara Brown ... PotentialJanaya Pender ... PotentialAdryn White ... PotentialNatalie Tjen ... PotentialBill Young ... LieutenantDavid O"Connor ... FedEx ManJeremy Ball ... BusinessmanFiona Johnson ... Woman in RedHarry Lawrence ... Old ManSteve Dodd ... Blind ManLuke Quinton ... Security GuardLawrence Woodward ... GuardMichael Butcher ... Cop Who Captures NeoBernard Ledger ... Big Cop (as Bernie Ledger)Robert Simper ... CopChris Pattinson ... Cop (as Chris Scott)Nigel Harbach ... Parking Cop

最好的办法是找本书例如那个《matlab通信仿真及应用实例详解》邓华等 人民邮电出版社《MATLAB仿真在现代通信中的应用》徐明远 西安电子科技大学出版社的或者去MATLAB论坛里找找http://www.ilovematlab.cn/forum-21-1.html总之不难的

同求~

只要成图显示就直接使用imagesc函数，不需要对系数矩阵做任何处理，当然前提是你的小波系数是实数。

matlab有相应的函数，可以直接调用。close allclear allclc;I=imread("F:图像变化检测imageTexture image(3.27) exture5.tif");%I=rgb2gray(I); %% if the input image is RGB form.%I=I(1:128,1:128); %% derive a small one just for demoI=im2double(I);w=15;I1=wextend("2D","sym",I,(w-1)/2); %I=wextend("2D","sys",I,[w/2-1/2,w/2-1/2]); this is used for odd size window %扫描窗口的大小15*15，为之后程序方便找中心点可以将窗口设置成4*4-32*32之间的任何奇数窗口%%s=4; %this variable is used for setting the range of the distance between i and j,remember don"t set s a too big num.%A=zeros(s,1);%B=(1:s)";%offsets1 = [A B;-B B;-B A;-B -B]; %% sets the directions and distance within the pexil i and j%offsets1=[0 1]; %水平单步%[m,n]=size(I1); I11=zeros(m,n); %定义5个矩阵用于存放由graycomatrix产生的5个参数I12=zeros(m,n); %这样就能够再执行完一次操作后，利用得到的各种特征参数矩阵分别去聚类分割I13=zeros(m,n); %这样总的耗时短，不用每次都重新执行扫描窗口和共生矩阵来产生特征参数（这个最耗费时间）I14=zeros(m,n);I15=zeros(m,n);for i=(w+1)/2:m-(w-1)/2 for j=(w+1)/2:n-(w-1)/2 W=zeros(); W=I1(i-(w-1)/2:i+(w-1)/2,j-(w-1)/2:j+(w-1)/2); [glcms,SI] = graycomatrix(W,"NumLevels",8,"G",[],"offset",offsets1);stats = graycoprops(glcms,"all");Con=[stats.Contrast];H=[stats.Homogeneity];Cor=[stats.Correlation];Ee=[stats.Energy];eigenvalue=mean(Con); I11(i,j)=eigenvalue;I12(i,j)=mean(H);I13(i,j)=mean(Cor);I14(i,j)=mean(Ee);I15(i,j)=mean(En); endend%I2=I15((w+1)/2:m-(w-1)/2,(w+1)/2:n-(w-1)/2); ma=max(I2(:)); mi=min(I2(:));I3=(I2-mi)/(ma-mi); I3=im2double(I3);

用graycomatrix函数，注意不同版本的matlab用法稍微会有不同，

glcm = graycomatrix(I) 从图像I创建灰度共生矩阵glcm。通过计算具有灰度级i和灰度级j的像素对在水平方向相邻出现的频繁程度。glcm中的每个元素说明了水平方向相邻像素对出现的次数。如果灰度级为L则glcm的维数为L*L。 2.glcms = graycomatrix(I,param1,val1,param2,val2,...)根据参数对的设定，返回一个或多个灰度共生矩阵。 参数说明： "GrayLimits"：灰度界限，为二元向量[low high]。灰度值小于等于low 时对应1，大于等于high时对应于灰度级。如果参数设为[]，则共生矩阵使用图像的最小和最大灰度值作为界限，即[min(I(:)) max(I(:))]。 "NumLevels"：整数，说明I中进行灰度缩放的灰度级数目。例如，如果NumLevel设为8，则共生矩阵缩放I中的灰度值使它们为1到8之间的整数。灰度级的数目决定了共生矩阵glcm的尺寸。缺省情况：数字图像：8；二进制图像：2。 "Offset"：p行2列整型矩阵，说明感兴趣像素与其相邻像素之间的距离。每行是一个说明像素对之间偏移关系的二元向量[row_offset, col_offset]。行偏移row_offset是感兴趣像素和其相邻像素之间的间隔行数。列偏移同理。偏移常表达为一个角度，常用的角度如下：（其中D为像素距离） 角度 0 45 90 135 Offset [0,D] [-D D] [-D 0] [-D -D] 3.[glcms,SI] = graycomatrix(...) 返回缩放图像SI，SI是用来计算灰度共生矩阵的。SI中的元素值介于1和灰度级数目之间。graycoprops：得到灰度共生矩阵得到各种属性 stats = graycoprops(glcm, properties)：从灰度共生矩阵glcm计算静态属性。glcm是m*n*p的有效灰度共生矩阵。如果glcm是一个灰度共生矩阵的矩阵，则stats是包括每个灰度共生矩阵静态属性的矩阵。 graycoprops正规化了灰度共生矩阵，因此元素之和为1。正规化的GLCM中的元素（r，c）是具有灰度级r和c的定义的空间关系的像素对的联合概率。Graycoprops使用正规化的GLCM来计算属性。 属性参数如下： 1. "Contrast" : 对比度。返回整幅图像中像素和它相邻像素之间的亮度反差。取值范围：[0,（GLCM行数-1）^2]。灰度一致的图像，对比度为0。 2. "Correlation" : 相关。返回整幅图像中像素与其相邻像素是如何相关的度量值。取值范围：[-1,1]。灰度一致的图像，相关性为NaN。 3. "Energy" : 能量。返回GLCM中元素的平方和。取值范围：[0 1]。灰度一致的图像能量为1。 4. "Homogemeity" : 同质性。返回度量GLCM中元素的分布到对角线紧密程度。取值范围：[0 1]。对角矩阵的同质性为1。

closeallx0dx0aclearallx0dx0aclc;x0dx0aI=imread("F:图像变化检测imageTextureimage(3.27) exture5.tif");x0dx0a%I=rgb2gray(I);%%iftheinputimageisRGBform.x0dx0a%I=I(1:128,1:128);%%deriveasmallonejustfordemox0dx0aI=im2double(I);x0dx0aw=15;x0dx0aI1=wextend("2D","sym",I,(w-1)/2);%I=wextend("2D","sys",I,[w/2-1/2,w/2-1/2]);thisisusedforoddsizewindow%扫描窗口的大小15*15，为之后程序方便找中心点可以将窗口设置成4*4-32*32之间的任何奇数窗口x0dx0a%x0dx0a%s=4;%thisvariableisusedforsettingtherangeofthedistancebetweeniandj,rememberdon"tsetsatoobignum.x0dx0a%A=zeros(s,1);x0dx0a%B=(1:s)";x0dx0a%offsets1=[AB;-BB;-BA;-B-B];%%setsthedirectionsanddistancewithinthepexiliandjx0dx0a%x0dx0aoffsets1=[01];%水平单步x0dx0a%x0dx0a[m,n]=size(I1);x0dx0aI11=zeros(m,n);%定义5个矩阵用于存放由graycomatrix产生的5个参数x0dx0aI12=zeros(m,n);%这样就能够再执行完一次操作后，利用得到的各种特征参数矩阵分别去聚类分割x0dx0aI13=zeros(m,n);%这样总的耗时短，不用每次都重新执行扫描窗口和共生矩阵来产生特征参数（这个最耗费时间）x0dx0aI14=zeros(m,n);x0dx0aI15=zeros(m,n);x0dx0afori=(w+1)/2:m-(w-1)/2x0dx0aforj=(w+1)/2:n-(w-1)/2x0dx0aW=zeros();x0dx0aW=I1(i-(w-1)/2:i+(w-1)/2,j-(w-1)/2:j+(w-1)/2);x0dx0a[glcms,SI]=graycomatrix(W,"NumLevels",8,"G",[],"offset",offsets1);x0dx0astats=graycoprops(glcms,"all");x0dx0aCon=[stats.Contrast];x0dx0aH=[stats.Homogeneity];x0dx0aCor=[stats.Correlation];x0dx0aEe=[stats.Energy];x0dx0ax0dx0aeigenvalue=mean(Con);x0dx0aI11(i,j)=eigenvalue;x0dx0aI12(i,j)=mean(H);x0dx0aI13(i,j)=mean(Cor);x0dx0aI14(i,j)=mean(Ee);x0dx0aI15(i,j)=mean(En);x0dx0aendx0dx0aendx0dx0a%x0dx0aI2=I15((w+1)/2:m-(w-1)/2,(w+1)/2:n-(w-1)/2);%%得到原始图像x0dx0ama=max(I2(:));x0dx0ami=min(I2(:));x0dx0aI3=(I2-mi)/(ma-mi);%%归一化x0dx0aI3=im2double(I3);

matlab提供了现成的函数

你可以将这些图片按顺序命名，然后使用一个循环逐个读取数据，最后cat成一个三维数组。比如，你先把所有的图片使用批量重命名工具（网上有很多，如好压重命名）按顺序命名，如pic1,pic2,...,picN;并将其放在下面的目录下，currdir = "D:/imagedir/";imgdata = zeros(row,col,N);for num = 1:Nname = [currdir,"pic",num2str(num),".bmp"];imgdata(:,:,num) = imread(name); end

没见你的程序代码，不知用的啥命令，但是，若用corrcoef命令，句式[r,p]=corroef(a)时，r中的数值可能会出现负值。如：A = randn(50,3);A(:,4) = sum(A,2);[R,P] = corrcoef(A)结果是：R =1.0000 0.1135 0.0879 0.73140.1135 1.0000 -0.1451 0.50820.0879 -0.1451 1.0000 0.51990.7314 0.5082 0.5199 1.0000P =1.0000 0.4325 0.5438 0.00000.4325 1.0000 0.3146 0.00020.5438 0.3146 1.0000 0.00010.0000 0.0002 0.0001 1.0000

qq短你了

%**************************************************************************% 图像检索——纹理特征%基于共生矩阵纹理特征提取，d=1,θ=0°,45°,90°,135°共四个矩阵%所用图像灰度级均为256%参考《基于颜色空间和纹理特征的图像检索》%function : T=Texture(Image)%Image : 输入图像数据%T : 返回八维纹理特征行向量%**************************************************************************function T = Texture(path)Image = imread(path);% [M,N,O] = size(Image);M = 256;N = 256;if isrgb(Image)%判断是否是RGBGray=rgb2gray(Image);end%--------------------------------------------------------------------------%1.将各颜色分量转化为灰度%--------------------------------------------------------------------------%Gray = double(0.3*Image(:,:,1)+0.59*Image(:,:,2)+0.11*Image(:,:,3))%--------------------------------------------------------------------------%2.为了减少计算量，对原始图像灰度级压缩，将Gray量化成16级%--------------------------------------------------------------------------for i = 1:Mfor j = 1:Nfor n = 1:256/16if (n-1)*16<=Gray(i,j)&Gray(i,j)<=(n-1)*16+15Gray(i,j) = n-1;endendendend%--------------------------------------------------------------------------%3.计算四个共生矩阵P,取距离为1，角度分别为0,45,90,135%--------------------------------------------------------------------------P = zeros(16,16,4);for m = 1:16for n = 1:16for i = 1:Mfor j = 1:Nif jP(m,n,1) = P(m,n,1)+1;P(n,m,1) = P(m,n,1);endif i>1&jP(m,n,2) = P(m,n,2)+1;P(n,m,2) = P(m,n,2);endif iP(m,n,3) = P(m,n,3)+1;P(n,m,3) = P(m,n,3);endif iP(m,n,4) = P(m,n,4)+1;P(n,m,4) = P(m,n,4);endendendif m==nP(m,n,:) = P(m,n,:)*2;endendend%%---------------------------------------------------------% 对共生矩阵归一化%%---------------------------------------------------------for n = 1:4P(:,:,n) = P(:,:,n)/sum(sum(P(:,:,n)));end%--------------------------------------------------------------------------%4.对共生矩阵计算能量、熵、惯性矩、相关4个纹理参数%--------------------------------------------------------------------------H = zeros(1,4);I = H;Ux = H; Uy = H;deltaX= H; deltaY = H;C =H;for n = 1:4E(n) = sum(sum(P(:,:,n).^2)); %%能量for i = 1:16for j = 1:16if P(i,j,n)~=0H(n) = -P(i,j,n)*log(P(i,j,n))+H(n); %%熵endI(n) = (i-j)^2*P(i,j,n)+I(n); %%惯性矩Ux(n) = i*P(i,j,n)+Ux(n); %相关性中μxUy(n) = j*P(i,j,n)+Uy(n); %相关性中μyendendendfor n = 1:4for i = 1:16for j = 1:16deltaX(n) = (i-Ux(n))^2*P(i,j,n)+deltaX(n); %相关性中σxdeltaY(n) = (j-Uy(n))^2*P(i,j,n)+deltaY(n); %相关性中σyC(n) = i*j*P(i,j,n)+C(n);endendC(n) = (C(n)-Ux(n)*Uy(n))/deltaX(n)/deltaY(n); %相关性end%--------------------------------------------------------------------------%求能量、熵、惯性矩、相关的均值和标准差作为最终8维纹理特征%--------------------------------------------------------------------------T(1) = mean(E); T(2) = sqrt(cov(E));T(3) = mean(H); T(4) = sqrt(cov(H));T(5) = mean(I); T(6) = sqrt(cov(I));T(7) = mean(C); T(8) = sqrt(cov(C));

matlab本身有graycomatrix和graycoprops两个函数可用。mathworks的matlab central里面还有其他更高阶提供更多特征值的函数，搜索一下就能找到。

%**************************************************************************% 图像检索——纹理特征%基于共生矩阵纹理特征提取，d=1,θ=0°,45°,90°,135°共四个矩阵%所用图像灰度级均为256%参考《基于颜色空间和纹理特征的图像检索》%function : T=Texture(Image) %Image : 输入图像数据%T : 返回八维纹理特征行向量%**************************************************************************% function T = Texture(Image)Gray = imread("d: esult5.bmp");[M,N,O] = size(Gray);M = 128; N = 128;%--------------------------------------------------------------------------%1.将各颜色分量转化为灰度%--------------------------------------------------------------------------% Gray = double(0.3*Image(:,:,1)+0.59*Image(:,:,2)+0.11*Image(:,:,3));%--------------------------------------------------------------------------%2.为了减少计算量，对原始图像灰度级压缩，将Gray量化成16级%--------------------------------------------------------------------------for i = 1:M for j = 1:N for n = 1:256/16 if (n-1)*16<=Gray(i,j)&Gray(i,j)<=(n-1)*16+15 Gray(i,j) = n-1; end end endend%--------------------------------------------------------------------------%3.计算四个共生矩阵P,取距离为1，角度分别为0,45,90,135%--------------------------------------------------------------------------P = zeros(16,16,4);for m = 1:16 for n = 1:16 for i = 1:M for j = 1:N if j<N&Gray(i,j)==m-1&Gray(i,j+1)==n-1 P(m,n,1) = P(m,n,1)+1; P(n,m,1) = P(m,n,1); end if i>1&j<N&Gray(i,j)==m-1&Gray(i-1,j+1)==n-1 P(m,n,2) = P(m,n,2)+1; P(n,m,2) = P(m,n,2); end if i<M&Gray(i,j)==m-1&Gray(i+1,j)==n-1 P(m,n,3) = P(m,n,3)+1; P(n,m,3) = P(m,n,3); end if i<M&j<N&Gray(i,j)==m-1&Gray(i+1,j+1)==n-1 P(m,n,4) = P(m,n,4)+1; P(n,m,4) = P(m,n,4); end end end if m==n P(m,n,:) = P(m,n,:)*2; end endend%%---------------------------------------------------------% 对共生矩阵归一化%%---------------------------------------------------------for n = 1:4 P(:,:,n) = P(:,:,n)/sum(sum(P(:,:,n)));end%--------------------------------------------------------------------------%4.对共生矩阵计算能量、熵、惯性矩、相关4个纹理参数%--------------------------------------------------------------------------H = zeros(1,4);I = H;Ux = H; Uy = H;deltaX= H; deltaY = H;C =H;for n = 1:4 E(n) = sum(sum(P(:,:,n).^2)); %%能量 for i = 1:16 for j = 1:16 if P(i,j,n)~=0 H(n) = -P(i,j,n)*log(P(i,j,n))+H(n); %%熵 end I(n) = (i-j)^2*P(i,j,n)+I(n); %%惯性矩 Ux(n) = i*P(i,j,n)+Ux(n); %相关性中μx Uy(n) = j*P(i,j,n)+Uy(n); %相关性中μy end endendfor n = 1:4 for i = 1:16 for j = 1:16 deltaX(n) = (i-Ux(n))^2*P(i,j,n)+deltaX(n); %相关性中σx deltaY(n) = (j-Uy(n))^2*P(i,j,n)+deltaY(n); %相关性中σy C(n) = i*j*P(i,j,n)+C(n); end end C(n) = (C(n)-Ux(n)*Uy(n))/deltaX(n)/deltaY(n); %相关性 end%--------------------------------------------------------------------------%求能量、熵、惯性矩、相关的均值和标准差作为最终8维纹理特征%--------------------------------------------------------------------------a1 = mean(E) b1 = sqrt(cov(E))a2 = mean(H) b2 = sqrt(cov(H))a3 = mean(I) b3 = sqrt(cov(I))a4 = mean(C)b4 = sqrt(cov(C))sprintf("0,45,90,135方向上的能量依次为： %f, %f, %f, %f",E(1),E(2),E(3),E(4)) % 输出数据;sprintf("0,45,90,135方向上的熵依次为： %f, %f, %f, %f",H(1),H(2),H(3),H(4)) % 输出数据;sprintf("0,45,90,135方向上的惯性矩依次为： %f, %f, %f, %f",I(1),I(2),I(3),I(4)) % 输出数据;sprintf("0,45,90,135方向上的相关性依次为： %f, %f, %f, %f",C(1),C(2),C(3),C(4)) % 输出数据;这是我最近用过的求灰度共生矩阵及其四个参数的程序，你可以参考一下。

华为mate10参数如下：1、屏幕：屏幕尺寸6英寸，屏幕色彩：1670万色，色彩饱和度（NTSC）：112％（典型值），分辨率：2160 x 1080 像素，极致全面屏，呈现无界视野。2、拍照：后置摄像头：1200万（彩色）＋2000万（黑白）像素，f／1．6光圈，徕卡镜头，支持自动对焦（激光对焦、深度对焦、相位对焦、反差对焦），前置摄像头：800万像素，f／2．0光圈，支持固定焦距，新一代徕卡双摄，高光不溢出，暗部有层次双摄，弱光环境下的拍摄表现更优于从前。3、性能： 采用HUAWEI Kirin 970 （麒麟970）八核 ＋ 微智核i7处理器，强劲性能，运行更畅快。4、电池：电池容量：4000mAh（典型值），标配4．5V／5A充电器，理论充电时间约1．5小时，带来超长续航。华为mate10使用技巧长按相机，会自动弹出快捷选项菜单，无需打开相机就可以选择不同的拍照模式。悬浮导航，可以在全屏幕的任意位置实现返回、多任务等操作，完全可以单手操控手机，更加方便。智能语音助手，根据您的使用习惯和场景进行智能推荐，集合服务直达、运动数据、稍后阅读、新闻、视频、音乐等快捷显示页面，并自动生成情景智能的各项提醒卡片，方便快速浏览和使用。

橡皮

%卡尔曼滤波clearN=800;w(1)=0;w=randn(1,N)%系统预测的随机白噪声x(1)=0;a=1;fork=2:N;x(k)=a*x(k-1)+w(k-1);%系统的预测值endV=randn(1,N);%测量值的随机白噪声q1=std(V);Rvv=q1.^2;q2=std(x);Rxx=q2.^2;q3=std(w);Rww=q3.^2;c=0.2;Y=c*x+V;%测量值p(1)=0;s(1)=0;fort=2:N;p1(t)=a.^2*p(t-1)+Rww;%前一时刻X的相关系数b(t)=c*p1(t)/(c.^2*p1(t)+Rvv);%卡尔曼增益s(t)=a*s(t-1)+b(t)*(Y(t)-a*c*s(t-1));%经过滤波后的信号p(t)=p1(t)-c*b(t)*p1(t);%t状态下x(t|t)的相关系数endfigure(1)plot(x)title("系统的预测值")figure(2)plot(Y)title("测量值")figure(3)plot(s)title("滤波后的信号")

运行mdl文件的仿真啊

系统函数都有了还设计什么滤波器呀？

sim函数用来运行Simulink模型。需要注意的是，用户无法控制其仿真过程（例如暂停、继续），一旦运行就会直到达到结束条件为止——这一点和通过模型窗口界面运行仿真不同。调用格式：[t,x,y] = sim(model,timespan,options,ut);[t,x,y1, y2, ..., yn] = sim(model,timespan,options,ut);输入参数：model：模型的名字，用单引号括起来（注意不带扩展名.mdl）；timespan：指定仿真时间范围，可以有几种情况：标量tFinal，指定仿真结束时间。这种情况下开始时间为0；两个元素的向量[tStart tFinal]，同时指定开始时间和结束时间；向量[tStart OutputTimes tFinal]，除起止时间外，还指定输出时间点（通常输出时间t会包含更多点，这里指定的点相当于附加的点）。options：指定仿真选项，是一个结构体，该结构体通过simset创建，包括模型求解器、误差控制等都可以通过这个参数指定（不修改模型，但使用和模型对话框里设置的不同选择）。ut：指定外部输入，对应于根模型的Inport模块。除第一个输入参数外，其他参数都可以用空矩阵（[]）来表示模型的默认值。输出参数：t：仿真时间向量；x：状态矩阵，每行对应一个时刻的状态，连续状态在前，离散状态在后；y：输出矩阵，每行对应一个时刻；每列对应根模型的一个Outport 模块（如果Outport模块的输入是向量，则在y中会占用相应的列数）。y1, y2, ..., yn：把上面的y分开，每个yi对应一个Outport模块。

sim函数用来运行Simulink模型。需要注意的是，用户无法控制其仿真过程（例如暂停、继续），一旦运行就会直到达到结束条件为止——这一点和通过模型窗口界面运行仿真不同。调用格式：[t,x,y] = sim(model,timespan,options,ut);[t,x,y1, y2, ..., yn] = sim(model,timespan,options,ut);输入参数：model：模型的名字，用单引号括起来（注意不带扩展名.mdl）；timespan：指定仿真时间范围，可以有几种情况：标量tFinal，指定仿真结束时间。这种情况下开始时间为0；两个元素的向量[tStart tFinal]，同时指定开始时间和结束时间；向量[tStart OutputTimes tFinal]，除起止时间外，还指定输出时间点（通常输出时间t会包含更多点，这里指定的点相当于附加的点）。options：指定仿真选项，是一个结构体，该结构体通过simset创建，包括模型求解器、误差控制等都可以通过这个参数指定（不修改模型，但使用和模型对话框里设置的不同选择）。ut：指定外部输入，对应于根模型的Inport模块。除第一个输入参数外，其他参数都可以用空矩阵（[]）来表示模型的默认值。输出参数：t：仿真时间向量；x：状态矩阵，每行对应一个时刻的状态，连续状态在前，离散状态在后；y：输出矩阵，每行对应一个时刻；每列对应根模型的一个Outport 模块（如果Outport模块的输入是向量，则在y中会占用相应的列数）。y1, y2, ..., yn：把上面的y分开，每个yi对应一个Outport模块。

由前面的方程可知：eq1是关于a10的二元一次方程。有两个解，第一个解为零，没有意义，所以取第二个解，即a10=S(2). t3，t4即total就是所求的目标函数。连续用两个subs运算我也不明白。将x付给k是因为要用k表示捕捞强度，而这个函数是y和x的函数“function y=buyu(x)” 。求目标值y和捕捞强度k的函数，必须让x和k的意义相同。因为fminbnd只能求取最小值，将最大值问题化为最小值问题加个负号就行，即“y=subs(-total); ” 总之，第一个文件为函数文件，而第二个m函数为真正求解问题的脚本文件。fminbnd函数是求上面定义的函数目标值y在x取值为[16,18]范围内的最优值。最后就是画出目标值total随自变量捕获强度的关系，以及显示最优值时各个量的取值。

LaTeX语法错误，应该是这样子吧:$$p(k)=u_{o}(p_{o})p_{o}(frac{1}k-1)$$完整语句set(h,"string","$$p(k)=u_{o}(p_{o})p_{o}(frac{1}k-1)$$","position",[0.1,0.5],"FontSize",16);

题主对subs用法不是很熟悉，subs（）括号内有两个字母时，系统默认的是subs（f，new），即后面的字母表示的是需要替换的数字，如subs（f，a），系统默认的是用a的数来替换f中的变量，至于变量是哪个，系统会按照finsym的规则来选择默认变量。多说点：就是最先选择x，之后选择离x近的字母。所以当f中有a和s时，题主想用subs（f，a）来把a的值替换了，但是因为s离x更近，系统就默认s为此时的变量，也就是会用a的值去把s给替换了，而不是替换变量a。用程序解释一下：syms a s;f =40*a + 27*s + a*s;s=3;a=2;运行f=subs(f,a);想要得到的结果是：f=80+27*s+2*s；但是运行后发现结果是：f =42*a + 54；原因就是系统默认用a=2把s的值给替换了。建议查找一下subs的各种用法。表达能力有限，没看懂可以再问。

因为的程序中r是一组数，你还把e也弄成一组数，那你想一下你的C会是一个什么样的结构呢？syms g u r f ra0 e ;H=g+u+r^2+f+ra0+e^2;H=abs(H);g=0.02;u=0.1;r=0.6:0.035:1.3;C=subs(H);到这一步以后C就是一个矩阵了，给e赋值后，没法算了！

a = subs(dfe1,"e1,e2,deta1,deta2",[0.3,0.38,pi/3,2*pi/3]));%1方法a = double(a)%2方法a = vpa(a,4)

subs是置换函数，第一参数是待置换函数，第二参数是待置换变量，第三参数是用于置换的变量findsym是从f函数中寻找变量并返回这个变量，最后用a替代f中返回的变量

用double( )转换一下试试，我也遇到类似情况，输出的是sym类型，最后只能用double转换的

代入x值求得y值

subs是赋值函数，用数值替代符号变量替换函数例如: 输入subs(a+b,a,4) 意思就是把a用4替换掉，返回 4+b也可以替换多个变量，例如：subs(cos(a)+sin(b),{a,b},[sym("alpha"),2])分别用字符alpha替换a和2替换b，返回 cos(alpha)+sin(2)用法很灵活，仔细看帮助，会得到你想要的形式的

因为你说的比较笼统，我只能大概提供几个思路。当否自行判断1 在替换之前进行简化，跟tybtch兄是一个意见2 在整个推导过程中能否先做替换？3 如果是推倒完之后要做计算程序的话，可以考虑先不替换，直接在计算程序中算出具体数值之后再替换4 如果就是要符号变量结果的话，建议换成mathematica推导，这个软件的符号运算功能比较强大5 要是不要求计算速度的话，把程序运行着，出去喝杯茶吧。。。

A=a+b+cC=b+dE=b+c%赋值函数subs(A,b,B)subs(C,b,B)subs(E,b,B)这样就可以了。其实“subs”多用来解符号函数。也就是一个符号表达式中，参数符号变量都赋特定数值以后，给定自变量(b)一个数值（B），则可得函数的值。

为什么matlab的subs报错？由于subs函数中的内容，其替换变量与被替换变量的要求为sym变量属性，所以，其变量属性不能为double array。分析题主给出的代码，其问题出在多了这条代码t=-5:0.01:5;完善代码，即可正常运行。其执行结果如下。

反应好烦好烦减肥的发育飞机方法好吃呀超级的惊讶的方法伙计方法句法

好吧，没做验证，只是猜想，{...}是元胞矩阵，而xstate是一个数值矩阵直接带入xstate={。。。}，或者用mat2cell将xstate换成元胞矩阵试试

这个结果对的啊

冰晶

符号运算中，所有的字符都会定义为符号，数字也可以定义为符号subs（F）函数式将F的变量具体的内容带入表达式中得到数值解。例如F=ax^2+by^2+cz^2[x;y;z]=[1;2;3];则F=subs([x;y;z])=a+4b+9c;其他用法类似。

亲，NXT-AL10是华为MATE8全网通版哦。

HUAWEI NXT-AL10是华为mate8全网通版华为Mate 8（NXT-AL10）是全网通版本，支持移动，联通，电信三大运营商所提供的网络；华为Mate 8（NXT-TL00）是移动4G版本，华为Mate 8（NXT-DL00）为联通4G版本

是人名吧 .法文相似人名为 Mathilde (马蒂尔德)

inmate和prisoner的区别为：意思不同、用法不同、侧重点不同。一、意思不同1.inmate意思：(监狱或精神病院等处)同住者;同狱犯人;同病房者2.prisoner意思：囚犯;犯人;羁押候审者;被(敌人等)关起来的人;俘虏;战俘二、用法不同1.inmate用法：可用作及物动词，也可用作不及物动词。用作及物动词时接名词或代词作宾语。mate常与介词with连用。2.prisoner用法：prisoner意指“犯人”，多指因各种刑事犯罪被判刑的人，prisoner指关入监狱的囚犯，包括战俘，也可作引申用。三、侧重点不同1.inmate侧重点：inmate可以指不是监狱中的人，并且有“室友”的意思在里面。2.prisoner侧重点：prisoner就特指监狱，并且没有室友的含义在里面。

你好 没有区别

GMAT考试主要是针对商科逻辑思维的考察，不同于一般的语言能力考试，所以考试相对而言还是比较难的。GMAT数学部分对中国人来说，相对会比较容易。但是从2017年过后，GMAT数学相对之前难度有所增加，还是不可以轻易忽视的，要想考上700+的分数，还需要掌握重点，全面复习到位。以上是来自广东雷哥GMAT分享。

apple , banana, pine apple, cherry, strawbarry

Matlab代码执行到了fsolve(fun(T),0.2)这句时出现了出错，分析了题主的代码其根本的原因是，因为自定义的fun(T)是不存在，而是fun(t，T)，实际上应该是fun(t)的函数。下面我们逐步分析每个代码，靠左边为正确写法，%后为问题解释clc;close all;syms t %这里x和T在下列代码没有用上，所以对x和T无需进行声明变量a1=15;a2=3;a3=6;c2=20;c1=1;n=3;m=2; SF1=exp(-a1.*(t.^m)); %因为已经对t进行声明变量,所以无需自定义SF1=@(t)exp(-a1.*(t.^m))F1=1-SF1; %理由同上 SF2=exp(-a2.*(t.^m));%理由同上F2=1-SF2;%理由同上SF3=exp(-a3.*(t.^m));%理由同上F3=1-SF3;%理由同上SFw=SF1.*SF2.*SF3+F1.*F2.*SF3+F1.*SF2.*SF3+SF1.*F2.*SF3+SF1.*SF2.*F3;%理由同上h=-diff(log(SFw),t); %由于SFw是t的函数，而不存在是T的函数,该导数为零，显然与你的本意是不相符u=int(SFw,t,0,t); %由于SFw是t的函数，虽然得到结果变成了u(T)的函数，但对后面的fun函数出现了两个变量，即t和T;eq=h.*u-(1-SFw)-n.*c1./c2 %这里增设一个等式，是为了便于理解fun=@(t)eval(eq); %自定义fun(t)的函数T=fsolve(fun,0.2) %求解T值执行上述代码，即可得到结果。

mpowerInputs must be a scalar and a square matrix.mpower的输入必须是单个的数，或则方阵希望采纳，设置为满意答案，谢谢。

mpower是矩阵的指数运算如果A是一个矩阵，则A^p是指A的p次幂，而A.^p是A的每个元素的p次方，其他"和."、+和.+、-和.-、*和.*都是这样，一个是针对矩阵本身一个是元素

把plot(handles.axes4,XXqxjda,Xtl3,"*")中的handles.axes2，handles.axes4去掉ok

如果我没猜错的话，你可能是想要对一个数组或矩阵(matlab里都称为矩阵)中的每一个元素进行若干次幂运算，例如a=[12345],你想得到a^2=[1491625]。可是matlab中的运算默认都是矩阵操作，当你进行a^2时它以为你要作a*a，即矩阵乘法，可是两个矩阵能作矩阵乘法的前提是前一个矩阵的列数等于后一个矩阵的行数，那么这个一行五列的矩阵显然无法作这样的运算。因此错误提示的意思就是你想作同一个矩阵的矩阵乘法那得是方阵才行，因为这时满足矩阵乘法的要求了。这里square是方阵的意思。你想作的那种各个元素次幂需要这样才行：a.^2=[1491625]。

奥迪Quattro全时四轮驱动的核心是Torsen中央差速器，他比任何电子控制技术更快的调节前后轴力量的分配。EDL（电子差速锁）在必要时将多余的动力传送到车轮上，增强抓地性。当车轮空转或者没有与地面接触时，这些浪费的驱动力就被输送到可以受力的车轮上。一旦出现外部条件引起的前后轴的速度差异，Torsen就会自动地，毫无损失的将大部分的能量传输到有能力工作的驱动轴上，自动优化和分配四个车轮的动力。由于轴荷的平衡分布，驾驶者能够更好的掌握转向的精确性和灵活性，而不需要扭矩转向辅助。25年前，奥迪的工程师以quattro全时四轮驱动，在驱动技术领域树立了里程碑。四轮驱动系统（4wd系统，车身上标识4X4与4WD意思一样）是将发动机的驱动力从2wd系统的两轮传动变为四轮传动。 4wd系统之所以列入主动安全系统, 主要是 4wd系统有比 2wd 更优异的发动机驱动力应用效率, 达到更好的轮胎牵引力与转向力的有效发挥。就安全性来说, 4wd系统对轮胎牵引力与转向力的更佳应用, 造成好的行车稳定性以及循迹性。 除此之外 4wd系统更有 2wd所没有的越野性。AWD （全时四驱系统)已经变得和 4WD 几乎一样了，唯一的区别就在于 AWD 比 4WD 少了低比率的传动装置，不过 AWD 仍然提供在湿滑路面、恶劣天气以及轻微越野路面的牵引能力。但实际情况是，对一辆车的越野能力起决定性作用的是车辆的离地高度而非 AWD 能力。所有的 AWD 系统是全时四轮驱动的，这也就意味着你不用进行 2 轮驱动或者全轮驱动模式的转换。而宝马的xDrive、奔驰的4MATIC与AWD一样是全时四驱系统，仅仅是称呼不一样，而sDrive则为后驱系统。看看我空间日志参考http://user.qzone.qq.com/258946782/infocenter

4matic:　4MATIC全四轮驱动系统设计紧凑，轻巧，同时在摩擦力上也拥有最优化的表现，对比起其他的全四轮驱动系统来，优势相当的明显：重量，燃油经济性，舒适性以及被动状态下的安全性等方面都表现非凡。取决于发动机的型号，这套全四轮驱动科技的最新产物比起普通后轮驱动系统来只多出了区区66到70公斤的重量。xDrive:xDrive智能全轮驱动系统 宝马专利的xDrive在全轮驱动的灵敏性方面设立了新的标准。其工作就是迅速改变前后轴的扭力分布,提供真实的行车稳定性,驾驶乐趣以及安全性能。xDrive可以完全的调整以及无穷的变化。它会自己计算在拐弯时的转向不足或者是转向过多的情况，并且在任何时候下提供最适宜的扭力给所需要的车轴。 quattro:Quattro全时四轮驱动的核心是Torsen中央差速器，他比任何电子控制技术更快的调节前后轴力量的分配。EDL在必要LOGO时，将多余的动力传送到车轮上，增强抓地性。当车轮空转或者没有与地面接触时，这些浪费的驱动力就被输送到可以受力的车轮上。一旦出现外部条件引起的前后轴的速度差异，Torsen就会自动地，毫无损失的将大部分的能量传输到有能力工作的驱动轴上，自动优化和分配四个车轮的动力。由于轴荷的平衡分布，驾驶者能够更好的掌握转向的精确性和灵活性，而不需要扭矩转向辅助。25年前，奥迪的工程师以quattro全时四轮驱动，在驱动技术领域树立了里程碑。

目录： 正文： 这一篇分享 Infa 开发中一些常见的问题以及注意事项，内容比较零碎，有的内容也不再详细介绍，了解有这个功能，开发时可以再深入研究。 Infa workflow 可以设置定时任务 schedule（db 中称 job），以什么样的频率重复执行，什么时候开始，什么时候结束。这样任务可以自动跑，不需要人工干预。schedule 可以做成可复用，但使用范围仅限于当前的 folder。下面看看 schedule 怎么建的，在 workflow 视图，按以下步骤，如下图所示： 当想暂停 schedule 时，可以勾选 "Run on demand"。这部分很简单，不做过多的解释。做好的 schedule 需要设置在 workflow，设置方法如下图所示： 也可以不选择可重用的 schedule，可以勾选 "Non Resuable"，设置方法跟 Resuable 的 schedule 是一样的。 在定时执行 workflow 时有一个场景是 schedule 解决不了的，假如我们想在一天之中的某些时间段执行，在另外的时间段不执行，有什么办法？其实，可以在 workflow 利用系统的变量做，点击 session 之间的 线 ，如下图所示： 可以猜到，这个 session 在上午 7 点以后执行，根据系统的参数可以做些其他灵活的控制。 source、target 开始导入后，可能会根据需求调整结构，如果结构调整的比较大，一般重新导入覆盖就可以了。如果调整不大，其实可以手动调整的，比如新增了字段，修改了字段长度，前提是保证与 db 的 table 结构一致，如下图所示： 在设置了 schedule 的 workflow 运行过程中会出现 workflow 出现错误，这时候设置的 scheduled 状态就会变成 unscheduled，也就是不管用了。其实可以采取一种迂回的方法来控制，即用另一个基本不会跑失败的 workflow 去控制实际的业务 workflow，这个控制的 workflow 的作用是启动业务 workflow。说了这么多，不如看看示例，先看下怎么建这个控制 workflow，如下图所示： 首先，拖一个 cmd 组件进来，我们要用它写一段命令，去启动另一个 workflow，编辑 cmd 组件，如下图所示： 可以看到这个 session 将通过 pmcmd 启动业务 workflow，我们再对这个控制 workflow 设置一个 schedule，因为这个 workflow 失败的可能性基本为零，所以可以保证 workflow 的不间断性。 Infa 很多东西都可以做成可复用的，比如 transformation、mapping、session、workflow 等，比如下面是一个 lookup 的复用组件（属于 transformation）： mapping 的复用，称为 maplet，如下图所示： 可以看到这个 maplet 传入了一个参数，通过一个 lookup 组件，输出了两个参数值。开发不同的东西需要切换到不同的视图下，注意看截图中上面的小按钮。workflow 也可以做成 worklet，就是把 workflow 拆成一个个小的，worklet 的开发视图如下图所示： Infa workflow 的监控还是很有必要，执行失败后如果能推送出来（邮件），就可以及时解决。基本思路是：主要通过记录 session 的执行状况来做，session 可以在执行成功、失败后执行一段脚本，可以将 session 的运行结果记录下来，插入到 Infa 的日志表。session 的设置方法，如下图所示： 其中，$PMFolderName、PMWorkflowName、PMWorkflowRunId、PMSessionName 一看就知道；0 代表成功（自定义），Events__c 是 target 的名字；@numAffectedRows、@numAppliedRows、@numRejectedRows 分别是对 target 的影响记录数、采用记录数、拒绝记录数。 到此为止，Informatica 基础系列就完结了，共 9 篇，每一篇文章都配置了目录，方便系统阅读，希望对您有益，谢谢关注！ At 2017.11.10

Library/Services

string = ["Enter value"int2str(ii)":"];少了两个空格，应该是：string = ["Enter value" int2str(ii) ":"];希望采纳，设置为满意答案，谢谢。

取T=0.3为例：s=tf("s");G=ss(1/s)-ss(tf(1,[1 0],"iodelay",T));[mag,phase,w]=bode(G,{1e-5 4*2*pi/T});subplot 211; plot(w,mag(:))subplot 212; plot(w,phase(:))也可以借助于符号运算：syms sG=(1-exp(-T*s))/s;syms w positiveGjw=subs(G,s,j*w);W=(0:.01:4)*2*pi/T;G1=subs(Gjw,w,W);subplot 211; plot(W,abs(G1))subplot 212; plot(W,angle(G1))

应该就是这个了吧，呵呵 函数：qtsetblk 功能：将图像I的四叉树分解中的每个dim×dim维子块的值全部替换为vals中的dim×dim维的方块。 语法格式： J= qtsetblk (I,S,dim,vals)说明：I是四叉树分解的图像；S是由qtdecomp函数返回的稀疏矩阵，包含了四叉树结构；dim是所进行替代子块的维数；vals是一个dim×dim×k维的数组，k是四叉树分解中dim×dim维方块的个数。 数据类型要求：I可以为uint8型、uint16型或double型的；S是sparse型的。 数组vals中方块的顺序必须与I中方块的列顺序相对应。例如，如果vals是4×4×2的，则vals(:,:,1)包含的值就用来替换I中的第一个4×4方块，vals(:,:,2)中的值就用来替换I中的第二个4×4方块。 【例10-4】qtsetblk示例。 newvals= cat(3,zeros(2),ones(2),2*ones(2),3*ones(2),4*ones(2)) J = qtsetblk(I,S,2,newvals)输出结果： newvals(:,:,1) = 0 0 0 0 newvals(:,:,2) = 1 1 1 1 newvals(:,:,3) = 2 2 2 2 newvals(:,:,4) = 3 3 3 3 newvals(:,:,5) = 4 4 4 4 J = 0 0 1 1 2 3 6 6 0 0 2 1 4 5 6 8 1 1 2 2 10 15 4 4 1 1 2 2 20 25 4 420 22 20 22 1 2 3 420 22 22 20 5 6 7 820 22 3 3 9 10 11 1222 22 3 3 13 14 15 16

我觉得放在现在的话也是值得购买的，因为配置是非常高的，而且也是骁龙系列。整体给人的感觉是非常高大上的。

mate30pro搭载的摄像头系统是这个产品最大的亮点了，那mate30pro是3d结构光还是tof的呢，让我们一起来看看吧~ mate30pro是3d结构光还是tof 华为mate30pro的前置和后置摄像头模块都采用 3D 视觉技术的，所采用的方案均为 ToF 方案。它的后置摄像头采用了超感光徕卡电影四摄，包括 40MP 电影摄像头 + 40MP 像素超广角摄像头+ 8MP 长焦+ 3D 深感摄像头，双 OIS；前置则采用了 3200 万像素摄像头 + 3D 深感摄像头，还有姿势传感器、距离感应器等传感元件。 在目前3D视觉技术的三种主流方案（结构光、ToF 和双目立体成像）中，结构光和 ToF 受到智能手机行业的广泛关注和应用。二者的工作原理分别是： 结构光技术：通过近红外激光器，将具有一定结构特征的光线投射到被拍摄物体上，再由专门的红外摄像头进行采集。这种具备一定结构的光线，会因被摄物体的不同深度区域，而采集不同的图像相位信息，然后通过运算单元将这种结构的变化换算成深度信息，以此来获得三维结构。 TOF 是飞行时间（Time of Flight）技术的缩写，其原理是：传感器发出经调制的脉冲红外光，遇物体后反射，传感器通过计算光线发射和反射时间差或相位差，来换算被拍摄景物的距离，以产生深度信息，此外再结合传统的相机拍摄，就能将物体的三维轮廓以不同颜色代表不同距离的地形图方式呈现出来。 注：注：本文以华为mate30pro手机为例，适用于EMUI 10.1系统。 本文以华为mate30pro为例适用于EMUI 10.1系统

spouse 婚姻上的夫妻关系，配偶（个人觉得是这三个词中含义最单一的一个词） [n.] a person"s partner in marriagemate 伙伴，同事，配偶，（动物，鸟兽）配偶，[航海学]驾驶员[n.] 1. the officer below the master on a commercial ship 2. a fellow member of a team e.g. It was his first start against his former teammates 3. the partner of an animal (especially a sexual partner) e.g.He loved the mare and all her mates camels hate leaving their mates 4. a person"s partner in marriage 5. an exact duplicate 6. South American holly; leaves used in making a drink like tea 7. informal term for a friend of the same sex 8. South American tea-like drink made from leaves of a South American holly called mate 9. a chess move constituting an inescapable and indefensible attack on the opponent"s king[v.] 1. make love e.g. Birds mate in the Spring。 2. bring two objects, ideas, or people together 3. place an opponent"s king under an attack from which it cannot escape and thus ending the game e.g. Kasparov checkmated his opponent after only a few moves partner 伙伴，合伙人，搭档，舞伴，配偶[n.] 1. a person"s partner in marriage 2. an associate who works with others toward a common goal 3. a person who is a member of a partnership[v.] 1. provide with a partner 2. act as a partner

spouse 本就是指夫妻、配偶 partner一般指合伙人、伙伴,作配偶讲也是根据句情需要翻译成的. mate一般有同事、助手的意思,作配偶讲的情况较少.

你有没有抵价券优惠券什么的或者是促销代码什么的，没有就不用填。有的话填了 会省下相应的钱。能用就用吧。

你的问题问得有点宽泛，不同的预测方法要采用不同的命令，对结果的好坏也可以用不同的检验方法，具体问题具体分析。

量化误差 Then via the introduction of Match-degree, Reduction-rate and quantification error of reducing sample, a novel approach to intrusion detection based on Multi-layered modified SOM neural network and Principal Component Analysis (PCA) is proposed. 然后通过引入自定义变量匹配度、约简率和约简样本量化误差,提出了一种新的基于多层自组织映射和主成分分析入侵检测模型与算法。 短句来源 The Self-Organizing Map(SOM) learning and classification algorithms are firstly modified. Then via the introduction of match-degree,reduction-rate and quantification error of reducing sample,a novel approach to intrusion detection based on multi-layered modified SOM neural network and Principal Component Analysis(PCA) is proposed. 首先改进了自组织映射学习和分类算法,通过引入自定义变量匹配度、约简率和约简样本量化误差,提出了一种新的基于多层自组织映射和主成分分析入侵检测模型与算法。

etp=tep,petdgo=dog god mad-dam aetm = mate,meat,meta,tame,team.abet = abet,bate,beat,beta.aerd = dare,dear,read.aceht = cheat,tache,teach,theca.aceehrt = cheater,hectare,recheat,reteach,teacher.

业馀台湾大奶女孩taiwan 台湾Big Tits 大胸脯amateur 业馀girl 女孩

Keynote由苹果公司推出的运行于OS X操作系统下的演示幻灯片应用软件，Keynote可以和MathType兼容使用。如果您已安装了 MathType 6.9，则可以在 Keynote 中打开它并用来输入数学表达式和公式。首页 > Mac新闻中心 > 怎样在Keynote中使用 MathType输入公式怎样在Keynote中使用 MathType输入公式发布时间：2015-07-20Keynote由苹果公司推出的运行于OS X操作系统下的演示幻灯片应用软件，Keynote可以和MathType兼容使用。如果您已安装了 MathType 6.9，则可以在 Keynote 中打开它并用来输入数学表达式和公式。以下教程将介绍在Keynote中使用MathType输入公式的方法。Keynote软件用户使用界面示例具体操作步骤如下：1.选择“插入”—“MathType公式”。2.MathType会打开并且方程“E=mc2”会显示出来。3.双击该方程并使用MathType应用程序窗口和工具来输入想要的公式。4.当您结束编辑公式后，请选取“文件”—“关闭并返回到Keynote”，然后在弹出的对话框中点按“是”以存储该公式。5.将公式拖到幻灯片上您想要的任何位置。关闭MathType之后，Keynote将公式作为对象处理，您可调整其位置、大小、方向以及成组、分层或甚至像图像一样进行遮罩。但是，如果您遮罩公式，则必须取消遮罩它以便进一步编辑。6.若要编辑公式，双击公式以再次打开MathType应用程序。更多MathType编辑公式技巧可以访问http://www.mathtype.cn/support.html进行学习。

番茄（Tomato），别名西红柿、洋柿子。番茄是喜温性蔬菜，

tomato是可数名词，复数形式是tomatoes。