利用Gauss两点积分公式，进行数值积分的求解，并看它所具有的精确度。...

给出了线性方程组矩阵Ax=b在并行预处理共轭梯度法求解过程，绝对有用哟

数据挖掘中，判别树算法的应用例子。属于分类中的算法 很好。-data mining, discriminant Tree Algorithm application examples. The classification is a good algorithm.

返回用户可能感兴趣的元组是多准则决策的最重要目标之一。顶部 k 查询和天际线查询都是两个具代表性的查询。顶部 k 查询其优点是向用户返回元组的数目有限，但需要用户给他们确切的效用函数。轮廓查询有其优点用户不需要给其确切的效用函数但没有控制着要返回的元组数目。在本文中，我们研究了 k 遗憾查询，最近提出的查询，综合两个具代表性的查询的优点。我们先找一些有趣的几何性质为 k 遗憾查询。我们基于这些属性，定义候选点称为快乐点 k 遗憾查询，不在文献中研究了一套。这一结果不仅所有现有的算法，还所有新算法，以针对 k 遗憾查询是非常基本并且互惠互利。自从发现快乐点数目很小，可以显著改善所有现有算法的效率。此外，基于其他的几何性质，提出了两种有效的算法，每一种比最著名最快的算法更有效地执行。我们的实验结果表明我们提出的算法比跑得快的最著名的方法在合成和真实数据集上。尤其是，在我们在真实数据集上的实验中，最著名的方法花了 3 小时的时间来回答 k 遗憾查询，但我们建议的方法之一，花了大约几分钟和另一次在一秒钟内

应用VS2010绘制直线，矩形，椭圆和多边形，绘制一个较小的画板。实现的功能简易，熟悉自己所使用的工具，加强训练。

应用背景Implement k-means clustering on a training data set  to predict classification values of a test data set.关键技术The experiment intended to classify test data values using the data   mining strategy known as k-means clustering.   The 6 variables in the training data are used to plot the data and   centroids are placed to locate clumps of the 255, classified training   data. Once located, a classification value can be assigned to the 100,   test data. 

题目描述 假设给我们一个任意的图，它可能是也可能不是DAG（有向无圈图），推广拓扑排序算法，以使得给定有向图G的输入，它的输出是以下两者之一： (a) 一个拓扑排序，于是确定了G为DAG； 或者 (b) G中的一个圈，于是确定了G不是DAG. 注意到输出的解可能不是唯一的，输出任意一个答案即可。 输入 第一行两个数n,m,代表节点数和边数 m行，每行两个数代表一条有向边   测试数据范围：(1

实现Apriori算法基本功能,获取测试数据集的关联规则-Realize the basic functions of Apriori algorithm，Access to test data sets of association rules

实现线性表的一些基本操作，列如线性表的插入删除 查找-To achieve some of the basic operation of a linear table, column, such as linear search the table insert delete

应用背景差分进化（Differential Evolution，DE）算法是目前对于遗传算法的修正，和GA，PSO，ACO等进化算法一样，都是基于群体智能的随机并行优化算法，通过模仿生物群体内个体间的合作与竞争产生的启发式群体智能来指导优化搜索。关键技术基于差分进化算法的无功优化，采用IEEE30节点测试系统，接入分布式能源风电机组，程序为C语言编写，可算最小网损，若更改测试系统，可根据数据文件自行替换，支持环网。

使用索引实现快速查找-Quick search by using index