解决MATLab Symbolic_Toolbox License 许可证无效的问题。我分享的上一个license中没有包含该license,这个license明显大很多，应该是完整的
Error using sym
License checkout failed.
License Manager Error -5
Cannot find a license for Symbolic_Toolbox.
Troubleshoot this issue by visiting:
http://www.mathworks.com/support/lme/R2012b/5
Diagnostic Information:
Feature: Symbolic_Toolbox
License path:
C:\Users\Administrator\AppData\Roaming\MathWorks\MATLAB\R2012b_licenses;E:\1_Program_File\Matlab\licenses\license.dat;E:\1_Program_File\Matlab\licenses\*.lic
Licensing error: -5,357.
Error in syms (line 66)
assignin('caller',x,sym(x));
Error in Test (line 2)
syms x
使用方法，将本文件解压缩，到MATLAB安装路径/license/下替换掉license.dat即可，本许可证仅供学习交流，切勿用于非法用途，所产生后果由使用者自负。
2019-12-21 18:52:24
2KB
1
卡尔曼滤波（平方根算法、序贯算法、线性卡尔曼滤波、扩展卡尔曼滤波、区间卡尔曼滤波、系统误差和观测误差有关的卡尔曼滤波）在R语言中的实现，详细讲述了原理和其中工具包的使用，英文原版。
2019-12-21 18:49:32
842KB
1
一个matlab的张量分析工具箱，含有常用的张量运算函数和张量分解函数，如tucker分解，张量乘以向量、矩阵、张量等。
2019-12-21 18:49:04
388KB
1
matlab模糊逻辑工具箱用户手册（英文版），讲解了模糊数学的基本原理及模糊逻辑工具箱的使用方法等
2019-12-21 18:49:00
2.15MB
1
matlab图论工具箱（Graph Theory Toolbox），从matlab central 上下的
2019-12-21 18:48:33
31KB
1
此工具的主要特色是，能够借助其官方密码破解服务器的解密密钥(因此你的电脑必须能够连接到Internet且不能被防火墙软件拦截)，在极短时间内清除 Office 2003 系列(除 PowerPoint 外)的文档打开密码。
对于 Office 2003 的文档格式，几乎可以解决所有的密码破解问题(局限部分请参照本文末尾的说明)。
对于 Office 2007 及更高版本，除了打开密码之外，绝大部分密码都可以直接清除或者替换(局限部分请参照本文末尾的说明)。
支持格式扩展名汇总：
*.docx;*.docm;*.dotx;*.dotm;*.doc;*.dot;
*.xlsx;*.xlsm;*.xltx;*.xltm;*.xlam;*.xlsb;*.xls;*.xlt;*.xla;
*.pptx;*.pptm;*.potx;*.potm;*.ppsx;*.ppsm;*.ppam;
*.mdb;*.mdw;
*.pst;*.otm;
已知限制(官方原版本身所固有，非破解不完全所致)：
1、Office 2007 及更高版本的打开密码目前均不支持破解或恢复，要破解此类密码请移步 Advanced Office Password Recovery 等支持穷举密码的破解工具。
2、不支持破解 PowerPoint 2003 的密码破解(PowerPoint 2003 的只读密码强烈建议使用 WPS 演示的另存方法直接去除，或者在 Office 2003 + 2007 兼容包组合条件下对文件右键另存成 2007 格式后即可使用本工具清除只读密码)，打开密码暂时无解，估计只能穷举了。
3、不支持破解使用非标准 CSP (加密服务提供者) 模块保护过的文档密码。
4、不支持破解或恢复 类型的 Office 2007 及更高版本密码。
2014-12-08 00:00:00
1.5MB
1
MATLAB Genetic Algorithm Toolbox的介绍
Genetic algorithms (GAs) are stochastic global search and optimization methods that mimic the metaphor of natural
biological evolution [1]. GAs operate on a population of potential solutions applying the principle of survival of the
fittest to produce successively better approximations to a solution. At each generation of a GA, a new set of
approximations is created by the process of selecting individuals according to their level of fitness in the problem
domain and reproducing them using operators borrowed from natural genetics. This
2010-01-31 00:00:00
15KB
1