用C语言写的简洁的Dijkstra最短路径算法程序

实战思科 Cisco 模拟器 Packet tracer 使用教程详解,对新手菜鸟有很大帮助！第一篇、熟悉界面第二篇、设备管理第三篇、实战实例1、研究应用层和传输层协议实例2、检查路由实例3、研究 ICMP 数据包实例4、子网和路由器配置实例5、研究第 2 层帧头实例6、地址解析协议 (ARP)实例7、中间设备用作终端设备实例8、管理设备配置

这是用matlab语言编写的一段代码，可以在一幅图片上将人脸检测出来，并用矩形框框起来，然后裁剪下来，另存为图片。

通过该Matlab程序可以求取用于描述图像纹理特征的灰度共生矩阵参数（能量、熵、惯性矩、相关性）。可以分别求取0,45°,90°,135°方向上的特征参数，同时可以求出这些特征参数的平均值与标准差。

用c++模拟直线插补和圆弧插补实例三http://blog.csdn.net/z893345329/article/details/25922857

本文从图像整体代数特征的主成分分析（PCA）算法入手，介绍了“特征脸”算法的基本原理以及实现过程，并用MATLAB模拟仿真了单一PCA算法。同时，通过识别不同特性的待测人脸图像来简单的验证、分析了该识别算法的性能。

这个程序是我帮别人编的.用那有名的56个例子算过的.与世界最好解也就差那么一丁点儿

【实例简介】本书是MATLAB中文论坛神经网络版块数千个帖子的总结，充分强调“案例实用性、程序可模仿性”。所有案例均来自于论坛会员的切身需求，保证每一个案例都与实际课题相结合。 读者调用案例的时候，只要把案例中的数据换成自己需要处理的数据，即可实现自己想要的网络。如果在实现过程中有任何疑问，可以随时在MATLAB中文论坛与作者交流，作者每天在线，有问必答。 该书共有30个MATLAB神经网络的案例(含可运行程序），包括BP、RBF、SVM、SOM、Hopfield、LVQ、Elman、小波等神经网络；还包含PSO(粒子群）、灰色神经网络、模糊网络、概率神经网络、遗传算法优化等内容。该书另有31个配套的教学视频帮助读者更深入地了解神经网络。 本书可作为本科毕业设计、研究生项目设计、博士低年级课题设计参考书籍，同时对广大科研人员也有很高的参考价值。 ------- 目录 第1章 P神经网络的数据分类——语音特征信号分类 第2章 BP神经网络的非线性系统建模——非线性函数拟合 第3章 遗传算法优化BP神经网络——非线性函数拟合 第4章 神经网络遗传算法函数极值寻优——非线性函数极值寻优 第5章 基于BP_Adaboost的强分类器设计——公司财务预警建模 第6章 PID神经元网络解耦控制算法——多变量系统控制 第7章 RBF网络的回归——非线性函数回归的实现 第8章 GRNN的数据预测——基于广义回归神经网络的货运量预测 第9章 离散Hopfield神经网络的联想记忆——数字识别 第10章 离散Hopfield神经网络的分类——高校科研能力评价 第11章 连续Hopfield神经网络的优化——旅行商问题优化计算 第12章 SVM的数据分类预测——意大利葡萄酒种类识别 第13章 SVM的参数优化——如何更好的提升分类器的性能 第14章 SVM的回归预测分析——上证指数开盘指数预测 第15章 SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测 第16章 自组织竞争网络在模式分类中的应用——患者癌症发病预测 第17章SOM神经网络的数据分类——柴油机故障诊断 第18章Elman神经网络的数据预测——电力负荷预测模型研究 第19章 概率神经网络的分类预测——基于PNN的变压器故障诊断 第20章 神经网络变量筛选——基于BP的神经网络变量筛选 第21章 LVQ神经网络的分类——乳腺肿瘤诊断 第22章 LVQ神经网络的预测——人脸朝向识别 第23章 小波神经网络的时间序列预测——短时交通流量预测 第24章 模糊神经网络的预测算法——嘉陵江水质评价 第25章 广义神经网络的聚类算法——网络入侵聚类 第26章 粒子群优化算法的寻优算法——非线性函数极值寻优 第27章 遗传算法优化计算——建模自变量降维 第28章 基于灰色神经网络的预测算法研究——订单需求预测 第29章 基于Kohonen网络的聚类算法——网络入侵聚类 第30章 神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类

四本经典蓝牙书籍，入门必备（蓝牙协议及其源代码分析，蓝牙技朮原理，蓝牙技术，蓝牙核心及应用）。

QR码二维码编码C++源代码，不含DLL中间件，全套源程序。VS2010编译环境调试通过，可重新编译，原代码全中文注释。可以生成8位256色灰度图像，支持黑白图像复制到剪切板。支持简体中文编码，支持标准40个版本号、4级纠错、8种掩模，自选模块大小。是研究QR码编码技术的样本。

国科大研究生课程-高级软件工程期末复习题，18-19秋季学期。