中缀表达式转中缀表达式，后缀表达式的计算

应用背景 支持向量机（Support Vector Machine，SVM）是一种新的机器学习方法，其基础是Vapnik创建的统计学习理论（Statiscal Learning Theory，STL）。统计学习理论采用结构风险最小化（Structural Risk Minimization，SRM）准则，在最小化样本点误差的同时，最小化结构风险，提高了模型的泛化能力，且没有数据维数的限制。在进行线性分类时，将分类面取在离两类样本距离较大的地方；进行非线性分类时通过高维空间变换，将非线性分类变成高维空间的线性分类问题。 关键技术 本章将详细介绍支持向量机的分类原理，并将其应用于基于乳腺组织电阻抗频谱特性的乳腺癌诊断。 乳腺是女性身体的重要器官，乳腺疾病类别繁多、病因复杂，其中，乳腺癌是乳腺疾病的一种，逐渐成为危害女性健康的主要恶性肿瘤之一。近年来，乳腺癌等乳腺疾病发病率呈明显上升趋势，被医学界称为“女性健康第一杀手” 。 相关研究结果表明，在直流状态下不同生物组织表现出不同的电阻特性，生物组织电阻抗随着外加电信号频率的不同而表现出较大的差异。常见的电阻抗测量方法有：电阻抗频谱法(Impedance Spectroscopy)、阻抗扫描成像法(Electrical Impedance Scanning，EIS)、电阻抗断层成像法（Electrical Impedance Tomography，EIT）等。电阻抗频谱法的测量依据是生物组织的电阻抗随着外加电信号频率的不同而呈现出较大的差异；阻抗扫描成像法的原理是癌变组织与正常组织及良性肿瘤组织的电导（阻）率相比，存在着显著性的差异，从而使得均匀分布在组织外的外加电流或电压场产生畸变；电阻抗断层成像法则利用设于体表外周的电极阵列及微弱测量电流，提取相关特征并重新构造出截面的电阻抗特性图像。 尽管目前的电阻抗测量结果还存在一些偏差，但相关研究已经证实癌变组织与正常组织的电阻抗特性存在显著地差异。因此，乳腺组织的电阻抗特征可以应用于乳腺癌的检查与诊断中。由于电阻抗测量法具有无创、廉价、操作

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。

此程序需要的DFA作为输入，并产生另一个代码作为输出，它实现了最小化的DFA。

资源描述实现频域内的图像增强，采用傅里叶变换方法

#include #include #include #include #include using namespace std; int main (int argc, char* argv[]) { cout

一个简单的银行系统C语言代码，包含排序，线性搜索等算法功能-Banking system, a simple C language code, including sorting, search algorithms such as linear functions

主成分分析算法，输入数据矩阵，得到投影变换主成分，用于数据降低维度。

从一个网站借得了它了。在这篇文章中，我们研究解决知名旅行推销员的可能性问题 （TSP），它的范围之间 NP 难问题，并提供一种实现理论一些用于解决这一问题的方法的概述。蚁群算法优化 （ACO），其中属于集团的进化技术和提出了求解 tsp 问题的蚁群算法应用程序中使用的方法。我们考虑研究的影响通过实施这种算法的一些控制参数。它基本上是一个基于 GUI 代码和 alos 它可以采取 TSP 或它的页可以甚至随机生成它提供几个参数给出。

这是一个简单的客户端服务器包课堂冰 evictor 管理，任何人都可以请参阅自述文件的执行程序

大津的方法执行参数和无监督图像阈值分割，通常用于图像分割。该算法的最小类内方差，使用只有图像的灰度直方图查找最优阈值的图像。