偶尔在网上碰到的一本很不错的多线程编程书籍，包括Unix/Linux和Windows环境下的多线程编程等。 原书地址http://software.intel.com/zh-cn/articles/32067/ 花费了好些时间，才下载完，现在打包上来奉献给CSDN和网友们，欢迎下载！

英特尔多核多线程技术中文版带书签

多任务的并发执行会用到多线程 （multithreading），而CPU 的多核 （mult-core）化又将 原来只在巨型机中才使用的并行计算 （parallel computing）带入普通PC 应用的多核程序设 计 （multi-core programming）中。

莱维飞行改进麻雀算法(SSA)优化BP神经网络回归预测，LevySSA-BP回归预测，多变量输入单输出模型。 评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。

m文件一个 建立了车辆双质量2自由度悬架模型，传递函数 绘制传递函数曲线 通过传递函数计算时域响应 多阻尼传递曲线对比 更详细说明可关注博主博客

基于最小二乘支持向量机LSSVM分类预测，多特征输入模型。 多特征输入单输出的二分类及多分类模型。程序内注释详细，直接替换数据就可以用。 程序语言为matlab，程序可出分类效果图，迭代优化图，混淆矩阵图。

多周期CPU制作，烧纸到basy3板子，可运行，有四个状态。

针对工业过程的非线性和多模态特征,提出了一种基于局部近邻标准化(local neighborhood standard ization,LNS)和主多项式分析(principal polynomial analysis,PPA)结合的故障检测算法。首先,将样本数据通过局部近邻标准化(local neighbor standardization,LNS)算法,对每个样本构建k近邻数据集;然后应用k近邻数据集的均值和方差对当前样本进行标准化处理;最后使用PPA对已经标准化处理后的样本建模,计算出T2和SPE统计量,并确定控制限进行故障检测。LNS算法能够去除数据中的多模态特征,而PPA算法能够有效的处理非线性数据,因此LNS-PPA方法能够提高具有多模态非线性特征的工业过程故障检测能力。将该方法应用于多模态非线性数值例子和田纳西伊斯曼(TE)化工过程,并将测试结果与主元分析法(principal component analysis,PCA)、主多项式分析法进行对比,其结果能够有效验证LNS-PPA的优越性。

20170428-光大证券-光大证券多因子系列报告之二：因子测试全集.pdf

两阶段鲁棒优化模型 多场景 采用matlab编程两阶段鲁棒优化程序，考虑四个场景，模型采用列与约束生成（CCG）算法进行求解，场景分布的概率置信区间由 1-范数和∞-范数约束，程序含拉丁超立方抽样+kmeans数据处理程序，程序运行可靠，有详细资料