多窗口的C++MFC宿舍管理程序，非常适合初学者学习，这也是本人花费了一些时间的良心之作，希望大家不要嫌弃。（其中也有很多是查阅资料得来）

针对内置式永磁同步电机(IPMSM,Interior Permanent Magnet Synchronous Motor),在转子同步旋转坐标系下的数学模型进行了分析,提出了一种最大转矩电流比(MTPA,maximum torque per ampere)控制策略,以减小逆变器容量,同时采用SVPWM算法以减小转矩脉动。最后在MATLAB/Simulink环境下分别采用MTPA控制和id=0控制,对两种方法进行仿真并比较,仿真结果验证了所采用算法的有效性。

一款不同与其它马丁的策略，运用了时间风控，加仓间距、倍率（都可调整）EA开启的时间节奏、以及结合RSI指标、风险得到了更好的释放、仓位风控管理更严格。经测试20个交易日，盈利翻2倍，最大回撤只有7.%左右，需要的可以自己下载！建议先模拟测试！ EA使用方法 加载时间周期：5分钟 加载货币兑：EURUSD,EURJPY,USDCHF,GBPUSD,GBPJPY,EURGBP 默认参数，建议操作资金3000 https://www.zhibiaopu.com/thread-3260-1-1.html

预测房屋售价 技术与技能 技术技能：回归，数据清理，探索性数据分析（EDA），数据可视化，机器学习，偏差方差折衷，插补方法，模型验证，统计，特征工程，正则化，集成模型，k均值聚类，管道，网格搜索，转学 技术： Python，Jupyter Notebook，GitHub，Git Python库： Pandas，numpy，sklearn，matplotlib，seaborn，scipy 模型：多元线性回归，岭回归，LASSO回归，k近邻回归，随机森林回归，额外树木回归，支持向量回归，XGBoost回归，主成分回归 概述 该项目将涵盖以下部分： 问题陈述 执行摘要 结论 数据源 数据字典 问题陈述 我对该项目的目标是建立一个可以预测爱荷华州艾姆斯房屋实际售价在25,000美元以内的回归模型。 我将用来评估模型准确性的主要指标包括均方根误差（RMSE）和确定系数（R平方）。 RMSE代表

缺陷预测旨在通过从历史缺陷数据中学习来估计软件的可靠性。 缺陷预测方法根据从软件项目中提取的指标来识别软件模块是否容易出现缺陷。 这些度量值（也称为特征）可能涉及不相关和冗余，这将损害缺陷预测方法的性能。 现有工作采用特征选择来预处理缺陷数据以滤除无用的特征。 在本文中，我们提出了一种新颖的特征选择框架MICHAC，它是通过层次聚类聚类通过最大信息系数进行缺陷预测的简称。 MICHAC分为两个主要阶段。 首先，MICHAC利用最大信息系数对候选特征进行排序，以过滤掉不相关的特征；其次，MICHAC通过分层聚集聚类对特征进行分组，并从每个结果组中选择一个特征以去除冗余特征。 我们使用三个具有四个性能指标（精度，召回率，F量度和AUC）的不同分类器，对11个被广泛研究的NASA项目和四个开源AEEEM项目评估了我们提出的方法。 与五种现有方法的比较表明，MICHAC可有效选择缺陷预测中的特征。

基于卡尔曼滤波和最大权值匹配实现的多目标跟踪python源码+详细代码注释+使用说明.zip 基于卡尔曼滤波和最大权值匹配实现的多目标跟踪python源码+详细代码注释+使用说明.zip 基于卡尔曼滤波和最大权值匹配实现的多目标跟踪python源码+详细代码注释+使用说明.zip 【备注】主要针对正在做毕设的同学和需要项目实战的深度学习cv图像识别模式识别方向、python、目标跟踪学习者。 也可作为课程设计、期末大作业。包含：项目源码、项目操作说明等，该项目可直接作为毕设使用。 也可以用来学习、参考、借鉴。

学习笔记—《最大类间方差法》，本人在看论文的过程中涉及到了最大类间方差法，所以查找相关文献整理了一下，共享给大家！

免费下载，直接上传Liunx。 1、Linux编写一个shell 脚本程序，实现从终端接收10个数，然后输出这10个数中的最大数。 2、编写一个shell脚本程序，添加一个名为user_grp的组，然后向该组中添加10个用户，用户名的形式为userxx，其中xx从01到10

免费下载，直接上传Liunx。Linux编写一个shell 脚本程序，实现从终端接收10个数，然后输出这10个数中的最大数

题目是标准的ACM竞赛题，word文档里包含求最大连续子序列的题目和完整的实验代码，并在VC6.0上运行通过！！！