It fills you with determination.
基于emu8086的排序、数值转换及成绩汇总
排序：对输入的多个数字进行排序。
要求：
(1) 所有数字从键盘输入
(2) 数字中至少包含一个大于10的数字
(3) 排好序的数字以十进制形式在屏幕显示输出
数制转换：将输入的一个数据以不同进制形式输出
要求：
(1) 所有数字从键盘输入
(2) 输入数据为任意一个小于十万的十进制数据
(3) 将所输入数据以十六进制在屏幕显示输出（即十进制转十六进制）
成绩汇总：对输入的一些成绩进行分类汇总。
要求：
(1) 所有数字由键盘输入
(2) 输入的成绩个数为任意个（小于100）
(3) 对成绩进行归类并输出显示在屏幕
·显示最高成绩、最低成绩、平均成绩
·显示90-100分人数，80-89分人数，70-79分人数，60-69分人数，低于60分人数
·显示无效数字个数（非数字或大于100数字个数）
利用VHDL及Quartus进行十字路口交通控制系统设计
利用VHDL及Quartus设计一个十字路口交通控制系统，其东西，南北两个方向除了有红、黄、绿灯指示是否允许通行外，还设有时钟，以倒计时方式显示每一路允许通行的时间，绿灯，黄灯，红灯的持续时间分别 40、5和45秒。当东西或南北两路中任一道上出现特殊情况，例如有消防车，警车要去执行任务，此时交通控制系统应可由交警手动控制立即进入特殊运行状态，即两条道上的所有车辆皆停止通行，红灯全亮，时钟停止计时，且其数字在闪烁。当特殊运行状态结束后，管理系统恢复原来的状态，继续正常运行。
本方案主要由时钟信号产生器，信号灯控制器、分别控制两条通路的两个倒计时控制显示器组成。时钟信号发生器由实验板上的 1Hz 时钟信号源实现。
信号灯控制器模块由分为五种状态的状态机进行实现：
S0:A方向绿灯亮，B方向红灯亮，持续40秒；
S1:A方向黄灯亮，B方向红灯亮，持续5秒；
S2:A方向红灯亮，B方向绿灯亮，持续40秒；
S3:A方向红灯亮，B方向黄灯亮，持续5秒；
S4:紧急状态，A、B方向均红灯亮。
在非紧急状态下，状态机按照S0、S1、S2、S3、S0的顺序进行。
循环。
在紧急状态信号传入时，模块对进入紧急状态前的数字进行存储，同时状态机转入S4。在从紧急状态转入非紧急状态时，读取之前存储的数字，状态机重新进入非紧急状态下的循环。倒计时控制显示器中除正常存储变量Usual外，还引入了Mark，用来标记模块在紧急和非紧急状态间切换的状态，便于在紧急状态下
对倒计时显示器进行闪烁处理。
决策树处理医疗数据
将所给医疗数据进行预处理，根据病人的四个属性——性别、年龄、病程及术中责任血管，对其与即刻面抽之间的联系进行分析。利用决策树分类方法编程实现数据的分类并绘图。
在数据预处理中进行如下处理：
性别(gender)：F为1，M为2。年龄(age)：0-40岁为1，40-50岁为2，50-60岁为3，60-70岁为4。病程(course)：0-3年为1，3-6年为2，6-9年为3，9-12年为4，12年以上为5。术中责任血管(vessel)：AICA为 1，PICA为2，AICA、PICA为3，AICA、VA为4，PICA、CA为5，其余为0。是否即刻面抽：是为1，否为0。
在决策树 ID3 算法中，通过求概率进而求信息熵，通过求信息熵进而求信息增益，以信息增益为标准挑选信息增益最大的因素作为节点。在创建树的过程中进行遍历，如果类别完全相同则停止划分，如果遍历完所有特征值则选取出现次数最多的类标签。最后以字典类型输出数据。
在决策树绘图中，首先计算出树中叶子节点的个数和树的深度，然后对节点和节点间部分的绘制分别进行函数定义。最后在整个决策树的绘制过程中，利用深度和叶子节点个数对图像区域进行划分，以防止出现绘图中节点过密的情况产生。
Kmeans图像分割及聚类
利用K-means算法实现图像分割，尝试使用不同的K值，观察对结果的影响。
利用K-means算法实现对UCI数据集中数值型数据Iris的聚类，将结果可视化表示。
K-means
首先分别设定计算欧氏距离和随机取初始聚类中心的函数，然后计算点与聚类中心的距离，如小于最短距离则更新聚类中心的点的类别，进行迭代。最后得出聚类中心和样本分类情况。
图像分割
利用 matplotlib 导入数据后，将图像转化为矩阵，代入 kmeans进行运算。手动改变 k 值，分别取 2、3、4、5，分别导出图像。
Iris 处理
首先用 sklearn 模块导入 iris 数据，再用 PCA 方法将数据从四维降到二维，将降维后数据代入 kmeans 进行聚类，得到三个类别，用 matplotlib 和 pil 辅助绘图。
DBSCAN聚类
编程实现 DBSCAN 对所给数据的聚类分析：
smile,moon,long,spiral,sizes5,2d-4c,square1,square4
任意选取一个点p,得到所有从p关于Eps（邻域最大半径）和MinPts（邻域最少点数）密度可达的点。如果p是一个核心点，则找到一个聚类。如果p是一个边界点，没有从p密度可达的点，DBSCAN将访问数据库中的下一个点。
不同数据 esp、minpTs 取值如下：
基于DSP的人脸检测
利用VisualDSP++ 5.0、仿真器、EBF-561实验平台实现该算法，了解人脸检测常用方法，掌握模板匹配算法实现人脸检测的基本原理，并在 DSP 实验板上实现一般环境图像中单个正面人脸的检测，并在实验板的 LCD 显示屏进行显示。
本实验所探讨的是一般环境图像中单个正面端正人脸的检测问题。这种条件下的人脸检测的方法主要有模板匹配方法、可变形模板方法等。概括的说，基于模板匹配的方法是在图形灰度上直接比较目标模板和候选图像区域之间的相似性，而基于特征匹配的方法是比较从图像中抽取的一定特征的相似性。
本实验主要用到两种模板：双眼模板和不同长宽比的模板。在检测时首先使用双眼模板进行粗筛选，然后使用不同长宽比的人脸模板确定出区域的位置和范围，接着通过确定出来的位置和匹配模板的相似度程度来确定是否是人脸。
人工智能智能系统指南笔记——（一）基于规则的专家系统
五个部分：知识库、数据库、推理引擎、解释工具、用户界面
开发界面：知识库编辑器（录入和修改规则）、调试工具（包含跟踪工具和断点包）、输入输出工具
建立专家系统的目的是使计算机在小的专业领域中以专家级的水平处理问题。
专家系统最主要的特征是高质量的性能
专家系统的独特之处在于其解释能力。（可在解决问题时有效跟踪规则的激发点，但不是某些专家系统的基本要求）
专家系统在解决问题时使用符号推理。（符号表示不同类型的知识，例如行为、概念、规则）
专家系统区别于常规程序的特点：知识与处理是分开的，因而建立和维护都相对简单。