#R 编程 我对 Coursera 上课程作业的解决方案。 [Week 1](./Week 1) -没有编程作业，只包含用于解决测验的数据集 [Week 2](./Week 2) - 编程作业（空气污染） [第 3 周](./第 3 周) - 编程赋值（缓存矩阵的逆） [第 4 周](./第 4 周) - 笔记和编程作业（医院质量）

H = COCHRANQTEST(X) 在 N×K 矩阵的 K 列具有相同成功次数和失败次数的假设下执行非参数 Cochran Q 检验。 H==0 表示不能在 5 显着性水平拒绝原假设。 H == 1表示原假设可以在5％的水平上被拒绝。 X 应包含二分值（成功/失败、左/右、是/否、真/假、0/1 等），其中一个值表示成功，另一个值表示失败。 K列对应K个相关观察； N行对应于N个不同的情况。 请注意，成功和失败的编码无关紧要。 最高值将被视为成功。 另请注意，仅包含成功或失败的案例不会影响测试统计量。 X 可以是（两个不同的）字符串的元胞数组（例如，“YES”和“NO”）。 H = COCHRANQTEST(...,ALPHA) 在显着性水平 (100*ALPHA)% 上执行检验。 ALPHA 必须是 0 到 1 之间的标量。 [H,P] = COCHRANQTEST(...)

alignTools alignTools是用于逐对DNA序列比对的C实现工具的集合。 它包括以下对齐功能： 整体一致性 局部语言 适合对齐（跳跃状态） 重叠对齐 编辑距离 不久的将来将添加更多功能。 版本 0.7.23-r15 开始使用 安装 $ git clone git@github.com:r3fang/alignTools.git $ cd alignTools $ make $ ./bin/alignTools Program: alignTools (pairwise DNA sequence alignment) Version: 0.7.23-r15 Contact: Rongxin Fang Usage: alignTools [options] Command: global global

当使用体积图像进行深度学习时，标记数据是一个很大的挑战。 在放射治疗领域，从CT图像中，提取人体、器官、GTV等各个区域作为区域数据，并存储在DICOM RT的RT-Structure中。 这些数据主要用于计划治疗，但我们也可以使用它们作为标签数据来加速深度学习工作流程。 通过此演示，您可以了解如何将 RT-Structure 数据转换为标签数据，并使用它们在 MATLAB 上训练 3D UNet（语义分割）模型。 [日本人]医学图像 3D 深度学习的主要挑战是标记复杂且耗时。在放射治疗领域，人体、器官、肿瘤等被定义为所拍摄的 CT 图像的区域，并由 DICOM RT 的 RT-Structure 管理。这些是为治疗计划而创建的，但提取的区域数据也可以用作深度学习的标签。在此演示中，您可以转换 RT-Structure 数据以用于深度学习并学习流程，直到将其用于学习 3D UNet。

几种益生元对幼犬肠道益生作用的比较研究，雍晓磊，陈茂深，本文以肠道菌群、短链脂肪酸和发酵液pH为指标考察了低聚果糖、菊粉和甘露寡糖三种益生元的体外发酵特性，进而探究对不同类型幼犬�

里面封装了对朋友生日的祝福以及画一个生日蛋糕

通过修改官方的demo实现对蓝牙的读写操作，详细http://blog.csdn.net/chenfengdejuanlian/article/details/45787123

噪声特性对多次采样累加平均技术的影响从理论分析，实例仿真两个方面验证了通过多次采样累加平均技术可以降低噪声

machine_learning 一个Matlab应用，使用支持向量机对图片进行分类，其中图片是猫脸还是狗脸 ＃数据集 为了训练分类器，我使用了来自 张维伟，孙健和唐小鸥，“猫头检测-如何有效利用形状和纹理特征”，Proc。 欧洲Conf。 计算机视觉，第一卷。 4，第802-816页，2008年。 和来自的斯坦福狗数据集 ＃托多斯 由于猫或狗之间难以分辨，因此需要预先修剪脸部以获得最佳效果。 可能没有第三个值，然后搜索猫脸或狗脸的图片（分解成窗户）。 或者只是狗或不面对，等等。 #Cat注释数据集 ＃＃＃结构 |-- cat_dataset |-- CAT_00 |-- 00000001_000.jpg |-- 00000001_000.jpg.cat |-- 00000001_005.jpg |-- 000

3DMAX对齐工具3DMAX对齐工具3DMAX对齐工具3DMAX对齐工具3DMAX对齐工具