『壹』 易語言源碼工具箱源碼
製作方案:
准備一個要載入工具箱的exe
新建個易語言程序，進入易語言-插入-資源-圖片或圖片組
將圖片1改為exe
雙擊內容
導入新圖片
然後載入exe
回到啟動窗口，新建個按鈕，按鈕輸入代碼:
寫到文件("D:\臨時調試文件.exe",#exe)
運行("D:\臨時調試文件.exe")
刪除文件("D:\臨時調試文件.exe")
然後調試程序,點擊那個按鈕,你會發現剛才載入的exe運行了！
『貳』 如何查看matlab工具箱內置函數源代碼
有幾種方法可以實現查看matlab里自帶函數的源代碼：
在命令窗口中輸入：
(1)、type 函數名(如 type rgb2gray 或者 type rgb2gray.m):即可在命令窗口中顯示此函數的源代碼；
(2)、open 函數名(如 open rgb2gray 或者 open rgb2gray.m):即可打開rgb2gray.m文件；
(3)、edit 函數名(如 edit rgb2gray 或者 edit rgb2gray.m):即可打開rgb2gray.m文件；
(4)、還有一種方法就是故意將原有函數的參數或類型寫錯，它就會提示錯誤，然後點擊提示錯誤處，也可打開m文件，如：
rgb2gray(f, 3);%f為彩色圖像文件名，後面的3是隨意加上去的，因為函數rgb2gray原本就一個參數，現在為2個，肯定會報錯
rgb2gray(f, 3);
??? Error using ==> iptchecknargin at 77
Function RGB2GRAY expected at most 1 input argument
but was called instead with 2 input arguments.
Error in ==> rgb2gray>parse_inputs at 76 %點擊此處即可打開m文件
iptchecknargin(1,1,nargin,mfilename);
Error in ==> rgb2gray at 35 %點擊此出也可打開m文件
X = parse_inputs(varargin{:});
不過，一些比較底層的源代碼是看不見得。
『叄』 如何找出MATLAB的工具箱源代碼
有一些寫成動態庫的，你就看不見代碼了。
你可以試一下，輸入
edit 命令名
比方說：
edit rgb2gray
這個是可以看見代碼的。
而edit sqrt
會提示錯誤。
『肆』 求一套前端開發在線工具箱源碼，比如在線HTML轉JS等。
推薦一個不錯的開發工具箱，分在線版和離線版，離線版是chrome插件，在360瀏覽器應用商店的開發工具下面有個JS工具箱（其他瀏覽器應用商店也有）
在線版
box3.cn
『伍』 想要建設一個工具箱形式的網站，就是網站上放一些工具的個人網站怎麼建設如何操作
任何企業或者個人在建網站之前要先給網站定位，網站的定位是確認企業在用戶心中的形象和地位，怎麼給一個網站正確定位呢？
1、產品定位
產品定位是指根據公司產品來確認公司網站的風格和色調，一般我們說的網站定位就是指給產品定位，但是實踐證明一個網站僅僅只有產品定位就遠遠不夠的，還要從其他各個方面來給網站定位。
2、市場定位
市場定位是選擇目標客戶的過程，也就是你這個網站是要為哪些人服務。現在的市場分化很細，所有公司和產品都不可能是所有人，對於選擇目標用戶的過程，要對整個市場進行細分，確定細分市場的標准，再對細分後的市場進行評估後確認最終的目標市場。在市場分化的今天，任何一家公司和任何一種產品的目標顧客都不可能是所有的人，對於選擇目標顧客的過程，需要確定細分市場的標准對整體市場進行細分，對細分後的市場進行評估，最終確定所選擇的目標市場。
3、需求定位
消費者在選購產品時肯定是為了獲得這個產品的價值，不同的消費者對產品價值的需求都是不一樣的，我們要根據消費者的需求價值來引導我們對產品的改進和新產品的開發。
4、差異化價值定位
差異化價值點定位就是需要提高產品的競爭力，從消費者類型、產品類別、產品使用場合等等各方面來找出於市場其他同類產品的差異點，再結合企業品牌形象的定位來進行差異化推廣，提高產品在其他同類產品中的競爭力。轉自中為www.lonwin.net網站建設
『陸』 遺傳演算法時是用GA工具箱還是直接寫源代碼好
用GA工具箱比較受制約，直接編代碼更自由，且能鍛煉編碼能力
『柒』 matlab小波分析工具箱源代碼
右鍵-自動生成源代碼
『捌』 用matlab神經網路工具箱構建RBF神經網路，跪求源程序！
希望對您有用
clc
clear
close all
%---------------------------------------------------
% 產生訓練樣本與測試樣本，每一列為一個樣本
P1 = [rand(3,5),rand(3,5)+1,rand(3,5)+2];
T1 = [repmat([1;0;0],1,5),repmat([0;1;0],1,5),repmat([0;0;1],1,5)];
P2 = [rand(3,5),rand(3,5)+1,rand(3,5)+2];
T2 = [repmat([1;0;0],1,5),repmat([0;1;0],1,5),repmat([0;0;1],1,5)];
%---------------------------------------------------
% 歸一化
[PN1,minp,maxp] = premnmx(P1);
PN2 = tramnmx(P2,minp,maxp);
%---------------------------------------------------
% 訓練
switch 2
case 1
% 神經元數是訓練樣本個數
spread = 1; % 此值越大,覆蓋的函數值就大(默認為1)
net = newrbe(PN1,T1,spread);
case 2
% 神經元數逐步增加,最多就是訓練樣本個數
goal = 1e-4; % 訓練誤差的平方和(默認為0)
spread = 1; % 此值越大,需要的神經元就越少(默認為1)
MN = size(PN1,2); % 最大神經元數(默認為訓練樣本個數)
DF = 1; % 顯示間隔(默認為25)
net = newrb(PN1,T1,goal,spread,MN,DF);
case 3
spread = 1; % 此值越大,需要的神經元就越少(默認為1)
net = newgrnn(PN1,T1,spread);
end
%---------------------------------------------------
% 測試
Y1 = sim(net,PN1); % 訓練樣本實際輸出
Y2 = sim(net,PN2); % 測試樣本實際輸出
Y1 = full(compet(Y1)); % 競爭輸出
Y2 = full(compet(Y2));
%---------------------------------------------------
% 結果統計
Result = ~sum(abs(T1-Y1)) % 正確分類顯示為1
Percent1 = sum(Result)/length(Result) % 訓練樣本正確分類率
Result = ~sum(abs(T2-Y2)) % 正確分類顯示為1
Percent2 = sum(Result)/length(Result) % 測試樣本正確分類率
『玖』 易語言自製了一個工具箱想實現點開軟體之後提示添加按鈕，然後寫按鈕標題，和按鈕命令，然後保存配置，添
你可以試試把按鈕功能和其他參數保存到文件，每次運行讀取就行了
『拾』 急求 matlab中函數ployfit的源代碼！ 我的matlab（2007b版）好像是工具箱不完全，沒有ployfit這個函數~
function [p,S,mu] = polyfit(x,y,n)
%POLYFIT Fit polynomial to data.
% P = POLYFIT(X,Y,N) finds the coefficients of a polynomial P(X) of
% degree N that fits the data Y best in a least-squares sense. P is a
% row vector of length N+1 containing the polynomial coefficients in
% descending powers, P(1)*X^N + P(2)*X^(N-1) +...+ P(N)*X + P(N+1).
%
% [P,S] = POLYFIT(X,Y,N) returns the polynomial coefficients P and a
% structure S for use with POLYVAL to obtain error estimates for
% predictions. S contains fields for the triangular factor (R) from a QR
% decomposition of the Vandermonde matrix of X, the degrees of freedom
% (df), and the norm of the resials (normr). If the data Y are random,
% an estimate of the covariance matrix of P is (Rinv*Rinv')*normr^2/df,
% where Rinv is the inverse of R.
%
% [P,S,MU] = POLYFIT(X,Y,N) finds the coefficients of a polynomial in
% XHAT = (X-MU(1))/MU(2) where MU(1) = MEAN(X) and MU(2) = STD(X). This
% centering and scaling transformation improves the numerical properties
% of both the polynomial and the fitting algorithm.
%
% Warning messages result if N is >= length(X), if X has repeated, or
% nearly repeated, points, or if X might need centering and scaling.
%
% Class support for inputs X,Y:
% float: double, single
%
% See also POLY, POLYVAL, ROOTS, LSCOV.
% Copyright 1984-2008 The MathWorks, Inc.
% $Revision: 5.17.4.10 $ $Date: 2008/06/20 08:00:56 $
% The regression problem is formulated in matrix format as:
%
% y = V*p or
%
% 3 2
% y = [x x x 1] [p3
% p2
% p1
% p0]
%
% where the vector p contains the coefficients to be found. For a
% 7th order polynomial, matrix V would be:
%
% V = [x.^7 x.^6 x.^5 x.^4 x.^3 x.^2 x ones(size(x))];
if ~isequal(size(x),size(y))
error('MATLAB:polyfit:XYSizeMismatch',...
'X and Y vectors must be the same size.')
end
x = x(:);
y = y(:);
if nargout > 2
mu = [mean(x); std(x)];
x = (x - mu(1))/mu(2);
end
% Construct Vandermonde matrix.
V(:,n+1) = ones(length(x),1,class(x));
for j = n:-1:1
V(:,j) = x.*V(:,j+1);
end
% Solve least squares problem.
[Q,R] = qr(V,0);
ws = warning('off','all');
p = R\(Q'*y); % Same as p = V\y;
warning(ws);
if size(R,2) > size(R,1)
warning('MATLAB:polyfit:PolyNotUnique', ...
'Polynomial is not unique; degree >= number of data points.')
elseif warnIfLargeConditionNumber(R)
if nargout > 2
warning('MATLAB:polyfit:RepeatedPoints', ...
['Polynomial is badly conditioned. Add points with distinct X\n' ...
' values or rece the degree of the polynomial.']);
else
warning('MATLAB:polyfit:RepeatedPointsOrRescale', ...
['Polynomial is badly conditioned. Add points with distinct X\n' ...
' values, rece the degree of the polynomial, or try centering\n' ...
' and scaling as described in HELP POLYFIT.']);
end
end
r = y - V*p;
p = p.'; % Polynomial coefficients are row vectors by convention.
% S is a structure containing three elements: the triangular factor from a
% QR decomposition of the Vandermonde matrix, the degrees of freedom and
% the norm of the resials.
S.R = R;
S.df = max(0,length(y) - (n+1));
S.normr = norm(r);
function flag = warnIfLargeConditionNumber(R)
if isa(R, 'double')
flag = (condest(R) > 1e+10);
else
flag = (condest(R) > 1e+05);
end