我的串的连接算法实现

资源描述 遗传算法(GA)是一种解优化问题的随机搜索方法，它借助于生物进化中的自然选择和遗传(即适者生存)的规律. 算法步骤(基本遗传算法) Step 1.随机初始化pop_size个染色体.Step 2.用交叉算法更新染色体.Step 3.用变异算法更新染色体.Step 4.计算所有染色体的目标值.Step 5.根据目标值计算每个染色体的适应度.Step 6.通过轮盘赌的方法选择染色体.Step 7.重复第二至第六步直到终止条件满足.Step 8.输出最好的染色体作为最优解. 为利于遗传算法的计算，首先要对解进行编码，编码后的解称为染色体.对于约束优化问题，遗传算法是在染色体中进行操作，而把操作结果解码后去检验其可行性. 遗传算法的主要特征： 群体和种群的维数相等，为一个偶数维，且不随代数的变化而变化；适应函数直接选用目标函数；种群中的个体通过轮盘赌的方法选取；种群中的一对个体采用随机交配位的方式产生一对子代；每一个基因有相同的变异概率。

数值分析中的雅可比方法问题，含输入输出界面。-Numerical analysis of Jacobi methods, including input and output interface.

点集凸包( 收缩法)Jarris步进法-point set convex hull (contraction) Jarris Step Method

数值分析中，关于矩阵输入的实现方法及程序设计-numerical analysis on the importation of the matrix method and program design

DESIGN OF STEEL STRUCTURES

此代码运行MOWCATL（最小出现次数用约束和时间滞后问题）算法是一种流行的数据挖掘算法。该算法是用于频繁episodal型态的发现和对气候的研究非常有用的。 MOWCATL算法由雪莉危害和Jitender Deogun（2004年，http://link.springer.com/article/10.1023/A:1025824629047）开发和广泛的地区使用该算法适应于他们的应用程序。该算法是一个给定的时间间隔参数中的顺序关联模式。对于该算法的详细说明，以上的链接都可以使用。

编写visualbasic

应用背景在各种计算机视觉系统中，边缘检测，特别是步进边缘检测已经得到了广泛的应用，它是从不同的视觉对象中提取有用结构信息的重要技术，大大减少了数据的处理量。精明的发现，对于不同的视觉系统的图像边缘检测中的应用的要求也相对同。因此，开发的边缘检测解决方案，以解决这些要求，可以实现在很宽的范围内的情况。边缘检测的一般标准包括：1 -检测的边缘与低的错误率，这意味着，该检测应准确捕捉尽可能多的图像中所示的边缘。2 -边缘检测的边缘点，应准确定位中心的边缘。3 -一个给定的图像中的边缘应该只有一次，并在可能的情况下，图像噪声不应该创建假边缘。关键技术Canny边缘检测算法的过程可以分解为5个不同的步骤：1 -应用高斯滤波器平滑图像，以消除噪声2 -找到图像的强度梯度3 -应用非最大抑制消除杂散响应边缘检测4 -应用双阈值，以确定潜在的边缘5 -轨道边缘的滞后：通过抑制所有其他边缘弱，没有连接到强大的边缘检测的边缘。

kalman tracking a ba

BP神经网络模型是一种典型的前向型神经网络，具有良好的自学习、自适应、联想记忆、并行处理和非线形转换的能力，是目前应用最为广泛的一种神经网络模型。本文介绍了BP神经网络的实现以及其在数据挖掘分类方面的应用。