使用开发改造方向的隐写术

数据挖掘中的一算法 ines算法 c下实现的。适合初学习数据挖掘者借鉴-data mining algorithms ines of an algorithm to achieve the c. Data for early learning from the dig

Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的算法。其核心是基于两阶段频集思想的递推算法。该关联规则在分类上属于单维、单层、布尔关联规则。在这里，所有支持度大于最小支持度的项集称为频繁项集，简称频集。 是：首先找出所有的频集，这些项集出现的频繁性至少和预定义的最小支持度一样。然后由频集产生强关联规则，这些规则必须满足最小支持度和最小可信度。然后使用第1步找到的频集产生期望的规则，产生只包含集合的项的所有规则，其中每一条规则的右部只有一项，这里采用的是中规则的定义。一旦这些规则被生成，那么只有那些大于用户给定的最小可信度的规则才被留下来。为了生成所有频集，使用了递归的方法。

图形的广度优先搜寻法-graphics breadth priority search method

神经网络实现的matlab代码（完整版），里面全面包含神经网络的模拟仿真、预测和改进的matlab代码，可操作，含注释。

stitching for wireless sensor network

应用背景设计并制作一 套简易 旋转倒立摆 及其控制装置 。旋转倒立摆 的结构如图 1所 示。 电动机 A固定在支架 B上， 通过转轴 F驱动旋转臂 驱动旋转臂 C旋转。摆杆 旋转。摆杆 E通过转 轴 D固定 在旋转臂 C的一端 ，当旋转臂 C在电动机 A驱动 下作往复旋转运动时， 带动摆杆 E在垂直于旋转臂 C的自由摆臂旋转。关键技术基本要求 基本要求 （1）摆杆 从处于自然下垂 处于自然下垂 处于自然下垂 状态 （摆角 0°）开始， 驱动 电机带驱动 电机带驱动 电机带旋转臂 旋转臂 作 往复旋转使摆杆动， 并尽快 使摆角 达到或超过 -60°~ +60 ~ +60 °； （2）从摆杆处于自然下垂 摆杆处于自然下垂 摆杆处于自然下垂 状态 开始， 尽快 增大摆杆的动幅度， 增大摆杆的动幅度， 增大摆杆的动幅度， 增大摆杆的动幅度， 直至 完成 圆周运动 ； （3）在摆杆 处于 自然下垂 自然下垂 状态下， 状态下， 外力拉 外力拉 起摆杆至 接近 165°位置 °位置 ，外力 撤除 同时 ，启动 控制 旋转臂 使摆杆保持倒立状态 时间 不少于 5s；期间 旋转臂的动角度不大于 90 °。 2．发挥部分 发挥部分 （1）从摆杆处于自然下垂 摆杆处于自然下垂 摆杆处于自然下垂 状态开始， 状态开始， 控制 旋转臂 旋转臂 作往复旋转 作往复旋转 运动， 尽快 使 摆杆 摆起 倒立， 保持倒立状态 时间 不少于 10 s； （2）在摆杆保持倒立 ）在摆杆保持倒立 状态 下，施加干扰后 ，施加干扰后 摆杆 能继续保持 倒立 或 2s 内恢复 倒立 状态； （3）在摆杆 在摆杆 保持 倒立状态 倒立状态 的前提下 的前提下 ，旋转臂 作圆周运动 作圆周运动 ，并尽快 并尽快 使单方向 转过角度达到或超过 360 °； （4）其

ACM题解，对大学生等很实用的，学习这个对于自己的提高的帮助那是很大很大很大地，怕丢，放上来-ACM problem solutions, university students, such as practical, learning this for their own help improve it is a great great great, the fear of losing,放上来

一维FFT程序，只要更改主函数中的测试信号，即可用于其它信号-One-dimensional FFT procedure, as long as the changes in the main function of the test signal can be used for other signals

Ordinary and Partial Differential Equation Routines in C, C++, Fortran, Java, Maple, and MATLAB

应用背景主要应用于目标的跟踪，在跟踪上我们主要利用时间的序列，而忽略了空间的利用，本文就是来讨论空间在跟踪过程中的对目标跟踪的作用，通过计算目标的空间背景特性来改善目标跟踪过程中的丢失遮挡问题，从而得到良好的跟踪结果。关键技术关键技术就是通过计算目标空间的特性，并在下一帧中找到目标的空间特性，来进行追踪，这样就可以很好的解决目标的遮挡提高目标的鲁棒性，利用追踪，这段代码还不完善，希望大家可以再次改进。