提出一种基于粗糙集与支持向量机的客户动态评估方法。根据客户群特点从当前价值、潜在价值和附加价值三个维度分析并构建客户评估指标，利用指标的年增幅率监测客户价值的变化规律。应用粗糙集布尔推理算法、粒子群算法实现连续属性离散化和知识约简。通过10-重交叉验证和网格搜索技术获取最优惩罚因子与核参数，缩放样本数据集并完成支持向量机一对一分类器的训练与测试。结果表明该评估方法能够实现周期性的客户价值评估与细分，具有很强的泛化能力。- A customer dynamic evaluation method

我们采用无办法变形质量人体模板的网格从其原来的姿势对点云数据指定不同的姿势。在此方法中，我们首先建立粗模板网格和点云通过压缩的光谱嵌入技术，利用人体四肢之间的对应关系。基于这些对应关系，我们定义使用弹性能量泛函的非刚性配准的目标和应用离散的梯度流，以减少粗控制网格和点云之间的区别。然后可从之后使用均值坐标控制网格的变形变形的模板网格。(We employ a deformable, deformable human body template mesh to specify different

基于蚁群算法的机器人路径规划MATLAB源码，使用网格离散化的方法对带有障碍物的环境建模，使用邻接矩阵存储该环境，使得问题转化为蚁群算法寻找最短路径。(Robot path planning MATLAB source code based on ant colony algorithm, using grid discretization method to model the environment with obstacles, using adjacency matrix to stor