哦对也是只有一个坏点，也是边框附近

我有一块显示屏已经几乎连续工作 10 年了，没见到任何扩散现象

http://v2ex.com/t/254057
这里还有一个要自创加密算法的

可能刷脸支付精确度不高，所以支付宝在大规模采集野生数据样本？

用小任务栏的时候图标和 win7 一样大小吧。格子变短了倒是真的。
用大任务栏的时候图标好像比 win7 还小一点，不过 LZ 可以去看看 win8 ，那个大任务栏简直大到恶心。

@decaywood 这种订购 /发布模式的平台，民航有用 hla/rti 做的没。

竟然没有人提 winpython 。 winpython 貌似是 Python(x,y)的后继版本吧？

这很重要吧。对比一下 tvb 版金庸跟大陆版

安徽只有一个 985 大学:)

哎， b 实在太长这里贴不下。还是不污染环境了。
http://pastebin.com/ddDcu0N7
LZ 去看吧。

那必须是版本问题。我来刷个屏
>> [s b h2]=solve('(r1-s)^2 / (r2-s)^2 - (h1-h2)^2 / b^2 - 1','(r3-s)^2 / (r2-s)^2 - (h3-h2)^2 / b^2 - 1','(b*(r3-s) / (r2-s)^2) / ((r3-s)^2 / (r2-s)^2-1)^0.5 - k','s','b','h2')

s =

(h1^2*r3 - 2.0*h1*h3*r3 - 2.0*h1*k*r2^2 + 2.0*h1*k*r3^2 + h3^2*r3 - 1.0*h3*k*r1^2 + 2.0*h3*k*r1*r3 + 2.0*h3*k*r2^2 - 3.0*h3*k*r3^2 + 2.0*k^2*r1*r2^2 - 2.0*k^2*r1*r3^2 - 2.0*k^2*r2^2*r3 + 2.0*k^2*r3^3)/(h1^2 - 2.0*h1*h3 + h3^2 + 4.0*k^2*r3^2 + 4.0*k^2*r1*r2 - 4.0*k^2*r1*r3 - 4.0*k^2*r2*r3 - 4.0*h1*k*r2 + 4.0*h1*k*r3 + 4.0*h3*k*r2 - 4.0*h3*k*r3) + ((k*r1^2 - 2.0*k*r1*r3 + k*r3^2)*(h1*r2^2 + h1*r3^2 + h3*r1^2 - 1.0*h3*r2^2 + r2*(-1.0*(r1 - 1.0*r2)*(h1 - 1.0*h3 - 1.0*k*r1 + k*r3)*(h1*r1 + h1*r2 - 2.0*h1*r3 - 1.0*h3*r1 - 1.0*h3*r2 + 2.0*h3*r3 + k*r1^2 - 1.0*k*r1*r2 - 1.0*k*r1*r3 + k*r2*r3))^(1/2) - 1.0*r3*(-1.0*(r1 - 1.0*r2)*(h1 - 1.0*h3 - 1.0*k*r1 + k*r3)*(h1*r1 + h1*r2 - 2.0*h1*r3 - 1.0*h3*r1 - 1.0*h3*r2 + 2.0*h3*r3 + k*r1^2 - 1.0*k*r1*r2 - 1.0*k*r1*r3 + k*r2*r3))^(1/2) - 1.0*k*r1*r2^2 + k*r1^2*r2 + k*r1*r3^2 - 1.0*k*r1^2*r3 - 1.0*k*r2*r3^2 + k*r2^2*r3 - 2.0*h1*r2*r3 - 2.0*h3*r1*r3 + 2.0*h3*r2*r3))/((r1^2 - 2.0*r1*r3 + r3^2)*(h1^2 - 2.0*h1*h3 + h3^2 + 4.0*k^2*r3^2 + 4.0*k^2*r1*r2 - 4.0*k^2*r1*r3 - 4.0*k^2*r2*r3 - 4.0*h1*k*r2 + 4.0*h1*k*r3 + 4.0*h3*k*r2 - 4.0*h3*k*r3))
(h1^2*r3 - 2.0*h1*h3*r3 - 2.0*h1*k*r2^2 + 2.0*h1*k*r3^2 + h3^2*r3 - 1.0*h3*k*r1^2 + 2.0*h3*k*r1*r3 + 2.0*h3*k*r2^2 - 3.0*h3*k*r3^2 + 2.0*k^2*r1*r2^2 - 2.0*k^2*r1*r3^2 - 2.0*k^2*r2^2*r3 + 2.0*k^2*r3^3)/(h1^2 - 2.0*h1*h3 + h3^2 + 4.0*k^2*r3^2 + 4.0*k^2*r1*r2 - 4.0*k^2*r1*r3 - 4.0*k^2*r2*r3 - 4.0*h1*k*r2 + 4.0*h1*k*r3 + 4.0*h3*k*r2 - 4.0*h3*k*r3) + ((k*r1^2 - 2.0*k*r1*r3 + k*r3^2)*(h1*r2^2 + h1*r3^2 + h3*r1^2 - 1.0*h3*r2^2 - 1.0*r2*(-1.0*(r1 - 1.0*r2)*(h1 - 1.0*h3 - 1.0*k*r1 + k*r3)*(h1*r1 + h1*r2 - 2.0*h1*r3 - 1.0*h3*r1 - 1.0*h3*r2 + 2.0*h3*r3 + k*r1^2 - 1.0*k*r1*r2 - 1.0*k*r1*r3 + k*r2*r3))^(1/2) + r3*(-1.0*(r1 - 1.0*r2)*(h1 - 1.0*h3 - 1.0*k*r1 + k*r3)*(h1*r1 + h1*r2 - 2.0*h1*r3 - 1.0*h3*r1 - 1.0*h3*r2 + 2.0*h3*r3 + k*r1^2 - 1.0*k*r1*r2 - 1.0*k*r1*r3 + k*r2*r3))^(1/2) - 1.0*k*r1*r2^2 + k*r1^2*r2 + k*r1*r3^2 - 1.0*k*r1^2*r3 - 1.0*k*r2*r3^2 + k*r2^2*r3 - 2.0*h1*r2*r3 - 2.0*h3*r1*r3 + 2.0*h3*r2*r3))/((r1^2 - 2.0*r1*r3 + r3^2)*(h1^2 - 2.0*h1*h3 + h3^2 + 4.0*k^2*r3^2 + 4.0*k^2*r1*r2 - 4.0*k^2*r1*r3 - 4.0*k^2*r2*r3 - 4.0*h1*k*r2 + 4.0*h1*k*r3 + 4.0*h3*k*r2 - 4.0*h3*k*r3))
(h1^2*r3 - 2.0*h1*h3*r3 + 2.0*h1*k*r2^2 - 2.0*h1*k*r3^2 + h3^2*r3 + h3*k*r1^2 - 2.0*h3*k*r1*r3 - 2.0*h3*k*r2^2 + 3.0*h3*k*r3^2 + 2.0*k^2*r1*r2^2 - 2.0*k^2*r1*r3^2 - 2.0*k^2*r2^2*r3 + 2.0*k^2*r3^3)/(h1^2 - 2.0*h1*h3 + h3^2 + 4.0*k^2*r3^2 + 4.0*k^2*r1*r2 - 4.0*k^2*r1*r3 - 4.0*k^2*r2*r3 + 4.0*h1*k*r2 - 4.0*h1*k*r3 - 4.0*h3*k*r2 + 4.0*h3*k*r3) - (1.0*(k*r1^2 - 2.0*k*r1*r3 + k*r3^2)*(h1*r2^2 + h1*r3^2 + h3*r1^2 - 1.0*h3*r2^2 + r2*(-1.0*(r1 - 1.0*r2)*(h1 - 1.0*h3 + k*r1 - 1.0*k*r3)*(h1*r1 + h1*r2 - 2.0*h1*r3 - 1.0*h3*r1 - 1.0*h3*r2 + 2.0*h3*r3 - 1.0*k*r1^2 + k*r1*r2 + k*r1*r3 - 1.0*k*r2*r3))^(1/2) - 1.0*r3*(-1.0*(r1 - 1.0*r2)*(h1 - 1.0*h3 + k*r1 - 1.0*k*r3)*(h1*r1 + h1*r2 - 2.0*h1*r3 - 1.0*h3*r1 - 1.0*h3*r2 + 2.0*h3*r3 - 1.0*k*r1^2 + k*r1*r2 + k*r1*r3 - 1.0*k*r2*r3))^(1/2) + k*r1*r2^2 - 1.0*k*r1^2*r2 - 1.0*k*r1*r3^2 + k*r1^2*r3 + k*r2*r3^2 - 1.0*k*r2^2*r3 - 2.0*h1*r2*r3 - 2.0*h3*r1*r3 + 2.0*h3*r2*r3))/((r1^2 - 2.0*r1*r3 + r3^2)*(h1^2 - 2.0*h1*h3 + h3^2 + 4.0*k^2*r3^2 + 4.0*k^2*r1*r2 - 4.0*k^2*r1*r3 - 4.0*k^2*r2*r3 + 4.0*h1*k*r2 - 4.0*h1*k*r3 - 4.0*h3*k*r2 + 4.0*h3*k*r3))
(h1^2*r3 - 2.0*h1*h3*r3 + 2.0*h1*k*r2^2 - 2.0*h1*k*r3^2 + h3^2*r3 + h3*k*r1^2 - 2.0*h3*k*r1*r3 - 2.0*h3*k*r2^2 + 3.0*h3*k*r3^2 + 2.0*k^2*r1*r2^2 - 2.0*k^2*r1*r3^2 - 2.0*k^2*r2^2*r3 + 2.0*k^2*r3^3)/(h1^2 - 2.0*h1*h3 + h3^2 + 4.0*k^2*r3^2 + 4.0*k^2*r1*r2 - 4.0*k^2*r1*r3 - 4.0*k^2*r2*r3 + 4.0*h1*k*r2 - 4.0*h1*k*r3 - 4.0*h3*k*r2 + 4.0*h3*k*r3) - (1.0*(k*r1^2 - 2.0*k*r1*r3 + k*r3^2)*(h1*r2^2 + h1*r3^2 + h3*r1^2 - 1.0*h3*r2^2 - 1.0*r2*(-1.0*(r1 - 1.0*r2)*(h1 - 1.0*h3 + k*r1 - 1.0*k*r3)*(h1*r1 + h1*r2 - 2.0*h1*r3 - 1.0*h3*r1 - 1.0*h3*r2 + 2.0*h3*r3 - 1.0*k*r1^2 + k*r1*r2 + k*r1*r3 - 1.0*k*r2*r3))^(1/2) + r3*(-1.0*(r1 - 1.0*r2)*(h1 - 1.0*h3 + k*r1 - 1.0*k*r3)*(h1*r1 + h1*r2 - 2.0*h1*r3 - 1.0*h3*r1 - 1.0*h3*r2 + 2.0*h3*r3 - 1.0*k*r1^2 + k*r1*r2 + k*r1*r3 - 1.0*k*r2*r3))^(1/2) + k*r1*r2^2 - 1.0*k*r1^2*r2 - 1.0*k*r1*r3^2 + k*r1^2*r3 + k*r2*r3^2 - 1.0*k*r2^2*r3 - 2.0*h1*r2*r3 - 2.0*h3*r1*r3 + 2.0*h3*r2*r3))/((r1^2 - 2.0*r1*r3 + r3^2)*(h1^2 - 2.0*h1*h3 + h3^2 + 4.0*k^2*r3^2 + 4.0*k^2*r1*r2 - 4.0*k^2*r1*r3 - 4.0*k^2*r2*r3 + 4.0*h1*k*r2 - 4.0*h1*k*r3 - 4.0*h3*k*r2 + 4.0*h3*k*r3))

@kindlebeta 这种科学计算一俩小时算不出来太正常了。只要没出错，等一天也得等。

你那个是数值解吧。用你的数据验证了下，结果有偏差但不大。你用 matlab 跑一下我上面那行，等个十几分钟就能出结果。

matlab 算的啊，你难道没有试么？还是我算错了。

>> [s b h2]=solve('(r1-s)^2 / (r2-s)^2 - (h1-h2)^2 / b^2 - 1','(r3-s)^2 / (r2-s)^2 - (h3-h2)^2 / b^2 - 1','(b*(r3-s) / (r2-s)^2) / ((r3-s)^2 / (r2-s)^2-1)^0.5 - k','s','b','h2')

结果出来了，我就不贴了，贴出来占两个半屏幕。 LZ 你确定真的要这么干么。。。

其实我还真试了一下 sympy ，半小时了还没出结果哈哈哈哈
import sympy as sp

s, b, h2 = symbols('s b h2')
r1, r2 ,r3 = symbols('r1 r2 r3')
k, h1, h3 = symbols('k h1 h3')

eq1 = (r1-s)**2 / (r2-s)**2 - (h1-h2)**2 / b**2 - 1
eq2 = (r3-s)**2 / (r2-s)**2 - (h3-h2)**2 / b**2 - 1
eq3 = (b*(r3-s) / (r2-s)**2) / ((r3-s)**2 / (r2-s)**2-1)**0.5 - k

sp.solvers.solve((eq1, eq2, eq3), (s, b, h2))

@shiji 你乐观了。问题在于并非所有函数都支持 codegen 。。。虽然 matlab 每个新版本都会把一些老函数开源，但我猜 mathworks 是永远不会让 solve 这种核心 API 支持 codegen 的（至少 R2015b 仍然不行），不然它还怎么赚钱。

另外既然是工程软件， LZ 干脆用 matlab 多算几种可能的几种符号解，预置进去给用户选好了。 sympy 估计是现有的最好方案，但说实话效果很差。变变花样它就未必解得出来。

@jasontse 只要数据量不超，至少机械硬盘是没问题的。