研究了一种全新的基于自适应混沌变异粒子群的路径规划算法。该方法首先进行环境建模，利用改进的粒子群算法获得一条较优路径。在改进的粒子算法中为防止早收敛，加入自适应混沌变异操作，在加强算法局部搜索能力的同时保证搜索过程中种群的多样性。仿真实验表明，即使在复杂的环境下，利用该算法也可以规划出一条全局较优路径，且能安全避碰。

心率变异性和 此仓库包含探讨心率变异性（HRV）的处理草图。 这些草图可与运行PulseSensor BPM代码并连接到PulseSensor硬件的Arduino一起使用。 请按照的教程进行设置，以设置Arduino来读取Pulse Sensor信号并将数据输出到这些草图。 对HRV的详尽描述和这些草图的说明在这里

matlab实现变异系数法求权重代码，输出结果包括变异系数法所求得的权重以及利用该权重对对象进行打分。直接替换程自己的数据集即可运行

为了研究煤矿露天开采对自然植物与土壤因子的影响；以内蒙古胜利矿区为研究区，采用野外生态学调查方法对采矿区周边不同距离草地进行植物群落调查，采集距矿区不同距离土壤样品进行实验室分析。结果表明：（1）距矿区边界100m处，草地自然植物群落以糙隐子草（Cleistogenessquarrosa）、寸草苔（Carex duriuscula）和小画眉草（Eragrostis minor）为主；距离煤矿400 m处植物群落以大针茅（Stipa grandis）、克氏针茅（S. krylovii）和冰草（Agropyron cristatum）为主，900 m处以大针茅、小画眉草和糙隐子草为主；距离煤矿1900 m处，以克氏针茅、糙隐子草和大针茅为主。（2）与对照区相比，距离矿区越近，植物多样性指数显著降低，群落相似性降低，土壤含水量、有机质（SOM）、硝态氮（NO3--N）和速效磷（AP）均显著减少。（3）远离矿区的位置土壤肥力要好于矿区附近，煤矿开采对一定范围内的土壤肥力产生影响，矿区周边土壤养分的空间异质性呈不同程度的变化趋势。（4）冗余分析(RDA)表明，植物多样性指数与土壤含水量、有机质、

阐明决定营养素时空变化影响的因素对于分析生态系统的特征很重要。 本文的目的是估计使用特定采样方法获得的值如何与整个图的实际数据相关。 采用网格划分法将位于中国高山草原生态系统海北国家野外研究站的综合观测场（IOF）划分为25个子图。 从2001年至2012年，随机抽取25个子样中的5个样地，以确定土壤养分含量的变化来源。结果表明，0-10 cm土壤层中有效氮的时空变化贡献很大。分别为47.3％和52.7％。 空间变异的贡献高于时间变异，特别是在表层土壤中。 高寒草甸有效土壤氮含量不受降雨和温度波动的明显影响。 增加样本数量可以减少测量可用土壤氮含量时的计算误差，而收集合理数量的样本可以节省时间和劳动力。

背景：急性淋巴细胞白血病（ALL）是一种血液学恶性肿瘤，是由于淋巴样祖细胞在骨髓和/或髓外部位积聚所致。 费城染色体（Ph1）阳性ALL是高风险的细胞遗传学子集，占成人ALL病例的25％-30％，但发生在不到5％的儿童中。 我们的这项研究旨在利用信号外荧光原位杂交（ES-FISH）检测ALL患者中BCR-ABL基因的融合，扩增和缺失，并评估它们与其他标准预后因素和治疗反应的关系。 患者和方法：本研究针对39名新诊断的ALL患者进行。 所有患者均接受：历史，临床检查和实验室检查，包括全血细胞计数（CBC），外周血（PB），骨髓（BM）检查，免疫表型和使用信号外探针检测BCR的荧光原位杂交-ABL基因融合。 结果：本研究显示对患者的t（9; 22）进行统计分析，并显示其他因素，t（9; 22）与患者预后，年龄> 35岁，肝脾肿大，无淋巴结肿大， TLC≥50×109 / L，绝对PB爆炸≥4.4×109 / L，免疫表型和其他像差。 结论：ES-FISH技术分析BCR / ABL融合基因可作为成人ALL预后的指标。 年龄，TLC和t（9; 22）代表与患者预后相关的重要标准预后因素。

融合柯西变异和反向学习改进麻雀算法(SSA)优化BP神经网络回归预测，SSAnew-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。

变异(Mutation) 交叉(Crossover) 选择(Selection) 遗传操作 算法的基本思想是从某一随机产生的初始群体开始，利用从种群中随机选取的两个个体的差向量作为第三个个体的随机变化源，将差向量加权后按照一定的规则与第三个个体求和而产生变异个体，该操作称为变异。然后，变异个体与某个预先决定的目标个体进行参数混合，生成试验个体，这一过程称之为交叉。如果试验个体的适应度值优于目标个体的适应度值，则在下一代中试验个体取代目标个体，否则目标个体仍保存下来，该操作称为选择 *

GETNPVI 计算归一化成对变异指数 (NPVI) 和变异系数 (CV)，如 Grabe & Low (2002) 所述。 [NPVI CV] = GETNPVI(IN) 返回归一化成对变异输入语句 IN 的索引 NPVI（M*N 或 M*N*P）和变异系数 CV（M*N 或 M*N*P）。 IN是大小的音节持续时间矩阵M*N 或 M*N*P。 示例：如果 IN = [1 2 3; 3 3 6; 4 6 8; 4 7 7]； 那么 [npvi cv] = getNPVI(IN) 是 npvi = [53.3333; 33.3333； 34.2857； 27.2727]。 cv 是 [0.5000; 0.4330； 0.3333； 0.2887] 示例：如果 IN(:,:,1) = [1 2 3; 3 3 6] 和 IN(:,:,2) = [4 6 8; 4 7 7] 然后 [np

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码