以傅里叶光学为基础，应用菲涅耳。惠更斯原理推导出了用于设计阵列波导光栅解复用器的数学模型；分析了菲涅耳近似条件对光场在自由传输区进行高斯远场衍射的影响；提出了一种基于四阶量化误差的修正算法，并和传统的傅里叶光学法及Stigmatic Points法进行了比较分析；设计了一个具有0.4nm通道间隔的1×256信道阵列波导光栅解复用器，结果表明，得到的器件参数与实际设计值相吻合。

matlab 基于稀疏反馈恢复算法

基于adaboost算法的人脸检测，简单实现了人脸检测的功能，但是延迟比较大，不能实现实时性，利用matlab来实现，程序比较简单，便于初学者学习

 在现实生活中，实际问题很难用线性模型进行描述。神经网络的出现大大降低了模型建立的难度和工作量。只需将神经网络看成是一个黑箱子,根据输入与输出数据,神经网络依据相关的学习规则,便可以建立相应的数学模型。但是,当数学模型的输人自变量(即影响因素)很多,输人自变量之间不是相互独立时,利用神经网络容易出现过拟合现象,从而导致所建立的模型精度低,建模时间长等问题。因此,在建立模型之前,有必要对输入自变量进行优化选择,将冗余的一些自变量去掉,选择最能反映输入与输出关系的自变量参与建模。

从大规模数据集中寻找物品间的隐含关系被称作关联分析或关联规则学习。过程分为两步：1.提取频繁项集。2.从频繁项集中抽取出关联规则。 频繁项集是指经常出现在一块的物品的集合。 关联规则是暗示两种物品之间可能存在很强的关系。 一个项集的支持度被定义为数据集中包含该项集的记录所占的比例，用来表示项集的频繁程度。支持度定义在项集上。 可信度或置信度是针对一条诸如{尿布}->{葡萄酒}的关联规则来定义的。这条规则的可信度被定义为“支持度({尿布，葡萄酒})/支持度({尿布})”。 寻找频繁项集 Apriori原理：如果某个项集是频繁的，那么它的所有子集也是频繁的。反过来，如果一个项集是非频繁项

麻雀算法(SSA)优化长短期记忆神经网络的数据多变量时间序列预测，SSA-LSTM多维时间序列预测。 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。

蓝桥杯算法题库的基础练习部分，2020/4/20日更新的题库，采用HTML的形式展示，目录中有引导页

计算几何 ⎯⎯ 算法与应用

摘要：硅压阻式压力传感器的零点温度漂移和灵敏度温度漂移是影响传感器性能的主要因素之一，如何能使该类误差得到有效补偿对于提高其性能很有意义。通过对硅压阻式压力传感器建立高阶温度补偿模型进行温度误差补偿是一种有效的方法，并在该模型基础上给出了拟合系数计算方法，并用Matlab GUI软件来实现温度补偿系数计算，进而实现传感器输出的动态温补，达到了很好的输出线性性。实验结果表明，补偿后传感器输出的非线性误差小于0.5% F.S. 　　0 引言 　　硅压阻式压力传感器利用半导体材料的压阻效应来进行压力测量，以其体积小、灵敏度高、工艺成熟等优点，在各行业中得到了广泛应用。实际工程应用中由于硅材料受温

数学建模算法与应用》由国防工业出版社于2011年8月出版，作者是司守奎、孙玺菁。本书涵盖了很多同类型书籍较少涉及的新算法和热点技术，主要内容包括时间序列、支持向量机、偏最小二乘面归分析、现代优化算法、数字图像处理、综合评价与决策方法、预测方法以及数学建模经典算法等内容