非线性方程不能消除和分解方法求解，…

This is an exememple of arithmetic coding

朱兆祺同学的学习笔记，很强大。 举几个例子给大家看下：   1. ＃include< >和＃include" "有什么区别？ 这个题目考查大家的基础能力，＃include< >用来包含开发环境提供的库， ＃include" "用来包含.c/.cpp文件所在目录下的头文件。注意：有些开发环境可以在当前目录下面自动收索（包含子目录），有些开发环境需要指定明确的文件路径名。 1.2 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

求逆矩阵--solution for inverse matrix

pure aloha 和slotted aloha算法的 matlab代码。结果显示了两种算法吞吐量的对比，通过修改标签数也可以得出吞吐量的变化值。

有限元分析源代码，能分析梁单元、膜单元、壳体单元等常用的有限元单元，并能计算模态、振型等

资源描述void show2() //加密界面 {  printf(" ****************** DES加密 ********************** ");  printf(" -------------------------------------------------- ");  printf(" ************************************************** ");  printf(" ** ** ");  printf(" ** 请选择明文和密钥的输入方式: ** ");  printf(" ** ** ");  printf(" ** 1.直接输入 ** ");  printf(" ** ** ");  printf(" ** 2.从文件读取 ** ");  printf(" ** ** ");  printf(" ** 3.退出 ** ");  printf(" ** ** ");  printf(" -------------------------------------------------- ");  printf(" 选择:"); }

TF-IDF（term frequency–inverse document frequency）是一种用于资讯检索与资讯探勘的常用加权技术, TFIDF的主要思想是：如果某个词或短语在一篇文章中出现的频率TF高，并且在其他文章中很少出现，则认为此词或者短语具有很好的类别区分能力，适合用来分类。TFIDF实际上是：TF * IDF，TF词频(Term Frequency)，IDF反文档频率(Inverse Document Frequency)。TF表示词条在文档d中出现的频率。IDF的主要思想是：如果包含词条t的文档越少，也就是n越小，IDF越大，则说明词条t具有很好的类别区分能力。如果某一类文档C中包含词条t的文档数为m，而其它类包含t的文档总数为k，显然所有包含t的文档数n=m + k，当m大的时候，n也大，按照IDF公式得到的IDF的值会小，就说明该词条t类别区分能力不强。但是实际上，如果一个词条在一个类的文档中频繁出现，则说明该词条能够很好代表这个类的文本的特征，这样的词条应该给它们赋予较高的权重，并选来作为该类文本的特征词以区别与其它类文档。这就是IDF的不足之处。

update at 2017/09/04  新增空闲块链的数据结构，在进行页面中断时，需查找空闲块链是否有空闲块，然后分配内存，淘汰时，需释放空闲块。 update at 2017/06/25  在main.cpp的主要函数中增加了注释

关于一些算法中如何生成新成员的选择方法，粒子群算法，遗传算法等算法可以用。-How about some algorithm to generate a new member of the selection method, particle swarm optimization, genetic algorithms and other algorithms can be used.

关于最佳算法的实现 -Realize the best algorithm on