过程挖掘旨在从事件日志中自动抽取过程模型用于支持过程设计和分析，完备日志是过程挖掘算法设计、测试和分析的前提。提出了基于Petri网模型行为仿真的完备日志生成算法，在仿真过程中加入基于发生次数及相继关系的诱导规则，即在有多个任务使能的情况下选择触发发生次数少且覆盖新相继关系的任务，使其在尽可能少的实例下产生完备的日志。诱导规则的应用减少了模拟模型发生的各种情况所需的时间，同时也提高了所有情况发生的概率，使得日志的完备性成为可能。

对现有空间插值算法进行了分析，探讨了基于移动曲面拟合等高线生成算法，优化了等高线线性内插和平滑输出的算法，编写了基于Vc++的拟合等高线程序，通过模拟数据生成等高线实验，分析了算法的优缺点，探讨了生成等高线的精度，获取的精度表明该算法是可行和有效性的。

热力图生成算法的具体实现（C++，OpenCV）,搭配https://blog.csdn.net/charlee44/article/details/124895644食用。

matlab绘图的形状代码增材制造的Koch实施 程序文件已完全包含，并已实现以用于测试用例场景中的验证。 该文档应提及用户可用来访问该程序的好处的方法，从而可以根据自己的意愿以任意形状制作G代码。 遵循的步骤： 所有文件都应存在于同一文件夹中，并且必须这样选择目标文件夹，以便MATLAB可以访问该文件夹以进行文件生成和操作。 运行“ main.m”文件（这是GUI文件，将包含所有其他段中都存在的连接文件） 从生成的GUI中，选择您当前所需的功能。 在开始绘制之前，用户必须初始化程序，以便程序刷新其内存，因此可以用于其他目的。 在这里，分形曲线已经实现，用于生成操作的GCode。 （由于逻辑文件繁重，该程序需要一些时间才能与生成的图形完全融合，因此要求用户等待约40至50秒） 选择所需的操作（该程序的铣削代码和3D打印代码具有不同的基础）-（这将生成要运行的G代码的文件） 如果用户希望以其他方式实现，则程序可以选择以excel文件的形式导出数据点，因此生成的文件可以被任何“ * .xls”读取文件访问。 外部软件： 本程序不使用任何形式的外部软件来实施。 但是，为了进行迭代并重新检查生

matlab生成算法代码ParNMPC版本1903-1 1903-1版的新功能： 原始对偶内点法 改进的用户界面 更好的性能 线搜索 介绍 主页： ParNMPC是用于非线性模型预测控制（NMPC）的MATLAB实时优化工具包。 ParNMPC的目的是为NMPC问题表述，闭环仿真和部署提供一个易于使用的环境。 使用ParNMPC ，您可以非常轻松地定义自己的NMPC问题， ParNMPC会自动为单核或多核CPU生成自包含的C / C ++代码。 即使只有一个内核， ParNMPC也非常快（计算时间通常在$ \ mu $ s范围内），并且启用并行计算时可以实现很高的加速比。 强调 符号问题表示 使用OpenMP自动并行C / C ++代码生成 收敛速度快（达到超线性） 高度可并行化（最多可以使用N个核，N是离散化步骤的数量） 高加速比 MATLAB与Simulink 安装 克隆或下载ParNMPC 。 解压缩下载的文件。 要求 MATLAB 2016a或更高版本 MATLAB编码器 MATLAB优化工具箱 MATLAB并行计算工具箱 MATLAB符号数学工具箱 Simulink编码器 支

开发了一种新算法，材料生成算法（MGA），并将其应用于优化问题。 材料化学的一些先进和基本方面，特别是化合物的结构和生产新材料时的化学React，被确定为MGA的鼓舞性概念。 主要论文是材料生成算法：一种用于工程问题优化的新型元启发式算法Siamak Talatahari，Mahdi Azizi和Amir H.Gandomi 期刊：流程，2021年

去噪声代码matlab 去马赛克数据集生成器 该存储库是Khashabi等人提出的去马赛克数据集生成算法的简单实现。 在名为的文件上。 免责声明：此存储库中显示的代码是从头开始编写的（即，不使用任何专有代码作为灵感或基础）。 但是，它确实需要下载第三方代码来访问其所有功能，这些功能已在本自述文件中得到了充分体现。 要求 的Python 3 Foi等人的噪声估计代码。 （请继续阅读以了解更多信息）。 请注意，您需要Matlab的许可版本才能运行此工具的全部功能。 您可以在没有该工具的情况下使用该工具，但是您将无法估计图像的噪点。 设置 首先，请确保您安装了合适的Python 3版本。 Matlab Python引擎 如果您的计算机上安装了Matlab版本，请按照说明操作，确保可以使用Matlab的Python引擎。 如果您无权访问Matlab发行版或不想安装它，则可以继续进行，但要知道您将无法估计输入图像的噪声。 Foi等。 的噪声估算代码 生成去马赛克数据集的很大一部分是能够在子采样结果上复制原始图像的噪声（有关更多信息，请阅读）。 由于许可原因，此存储库中未提供能够估计单个通道图像噪

渐进迭代逼近（简称PIA）是一种直观有效的数据拟合方法。经典的PIA方法要求曲面控制顶点的个数等于拟合数据点的个数，并不适用于大量数据的拟合。为了改造经典PIA方法，特别研究了使用最频繁的三角曲面用PIA来生成的算法，并重点考虑实际中最常用的低次情形。证明了低次（n=2，3，4）非均匀三角 bezier曲面具有最小二乘渐进迭代逼近（简称 LSPIA性质，并且迭代得到的三角 Bezier曲面序列的极限就是数据点的最小二乘拟合。同时，还提供了如何选择合适的权值使得迭代拥有最快收敛速度的方法。实例验证了最小二乘PIA方法的有效性。

根据CPU序列号和硬盘序列号，生成安装所需的注册码的算法(C#)

用C++实现DDA,BRESENHAM,中点画线算法