二次插值函数映射图

克鲁斯卡 （Clsk） 求最小生成树-unmarked (Clsk) for the minimum spanning tree

隐马尔可夫模型，C语言编写，重要的是里面附带有隐马尔可夫模型原理介绍的ppt，可以对应学习-HMM, C language, it is important that they are incidental tenets of Hidden Markov Models introduced ppt, can learn from counterparts

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。

研究生期间上《数值计算方法》课的作业，所有代码都是C语言实现并调试通过，现在上传为大家服务。这是消元法的算法-Elimination algorithm with C language

: Apriori算法是一种挖掘关联规则的频繁项集算法,其核心思想是通过候选集生成和情节的向下封闭检测两个阶段来挖掘频繁项集。 

记忆放大器仿真程序（记忆saleh）,用做预失真均衡项目可以用的前置记忆功率放大器的非线性失真模型。-memory Saleh

这是经典的一种电阻率三维反演的代码，在地球物理勘探领域有着非常广泛的应用，具有重要的研究和应用价值，本程序只与大家开展交流，请不要商业化。。。

使用EPTREE可以很好的对，C,C++，Java代码进行解析。绘出函数树图，计算堆栈大小等。 功能树 INKURUDOFAIRUTSURI 测量若干步骤（有条件汇编） 函数索引（使用堆栈大小为每个功能输出） 使用类名单 全局变量，变结构，对象名单 ＃定义定义列表 清单中所使用 列表名称 信息分布函数的行数-EPTREE can be used for good, C, C++, Java code analysis. Mapping function tree diagram, calculate the stack size.

CKNN  Using the Citation KNN algorithm[1] to get the labels for bags in testBags, where minmum Hausdorff distance is used to measure the distances between bags %     CKNN takes, %        PBags     - an Mx1 cell array where the jth instance of ith positive bag is stored in PBags{i}(j,:) %        NBags     - an Nx1 cell array where the jth instance of ith negative bag is stored in NBags{i}(j,:) %        testBags  - a Kx1 cell array where the jth instance of ith test bag is stored in testBags{i}(j,:) %         Refs     - the number of referecnes for each test bag %        Citers    - the number of citers for each test bag %      &n

《optimization using nondominated sorting genetic algorithms》的论文中提出的。该算法在快速找到Pareto前 沿和保持种群多样性方面都有很好的效果，不过在这么多年的应用中也出现了如下的一些问题： 1。非支配排序的时NSGA2主要是对NSGA算法的改进。NSGA是N. Srinivas 和 K. Deb在1995年发表的一篇名为 《Multiobjective function间复杂的很大，为O（MN3）。其中M为目标函数的数量，N为种群规模。 2。不支持精英策略。精英策略在保持好的个体及加速向Pareto前沿收敛方面都有很好的表现。 3。需要自己指定共享参数。该参数将对种群的多样性产生很大的影响。 NSGA2算法将在以下方面进行改进： 1。快速的非支配排序     在NSGA进行非支配排序时，规模为N的种群中的每个个体都要针对M个目标函数