Clustering through Decision Tree Construction

本程序为图象处理,可将八位图转换为二十四位图-the procedures for image processing, can be converted to 8 Figure 24 Figure

Will perform 3D Gaussian quadrature over a user-defined volume. The volume is defined by the user with function definitions entered in the appropriate spaces provided on the GUI. The user can change the number of Gauss points to use. Function inputs need not accept vector args. -Will perform 3D Gaussian quadrature over a user-defined volume. The volume is defined by the user with function definitions entered in the appropriate spaces provided on the GUI. The user can change the number of Gauss points to use.Function inputs need not accept vector args.

字符串格式，concat 字符串，长度的字符串，使用 vb 6.0，可以帮助程序员为计数，并知道字符串的长度

磁盘调度设计，磁盘调度算法的实现，包括  先来先服务调度算法  最短寻道优先调度算法  扫描算法  循环扫描算法  N―Step―SCAN算法-Disk Scheduling design, disk scheduling algorithm, including

1986 年 Canny 在麻省理工的硕士论文中提出了 Canny 边缘检测算子[10]。Canny算子是一个具有滤波、增强以及检测的多阶段优化算子，它具有很好的边缘检测的性能。得到了越来越广泛的应用。 Canny 考查了以前的边缘检测算子和边缘检测的应用，发现尽管这些算子的应用出现在了不同的领域中，但是他们都有一些共同的要求：[3] （1）好的检测效果，也就是说对边缘的错误检测要尽可能的低：在图像的边缘出现的地方检测结果中必须有，而且不能出现虚假边缘。在所有使用边缘检测做更深入的研究工作的系统中，它的性能都依赖于边缘检测的误差。 （2）对边缘的定位要准确：标记出来的边缘位置要和图像的真正边缘的中心位置充分的接近。 （3）对同一个边缘要有低的响应次数。即单个边缘产生多个响应的概率要尽可能的低，而且对虚假边缘的响应要尽可能的抑制。 这就是 Canny 提出来的三准则。他是第一个明确的提出这三条准则并且完整的解决了这三个问题的人。他将上述原则用数学表达式表示出来，然后利用优化理论得到最优边缘检测的模板。 Canny 算子实现检测边缘的步骤如下： （1） 用高斯滤波器平滑图像。 （2） 计算平滑后的图像的梯度幅值和方向。 （3） 对梯度幅值采用非极大值抑制，其过程为找出图像梯度中的局部极大值点，把其他非极大值点置零而得到细化的边缘。 （4）用双阈值算法检测和连接边缘 

你好。 我需要 向边缘 betweenness 核心算法在 matlab 中。

在这我们实行轮转调度算法，随机函数用来创建过程的突发时间，到达时间。后该周转时间和等待时间的计算。

VB中不使用 on error goto的容错程序。-not use VB on the fault-tolerant error goto procedures.

有二叉树计算表达式的值-a binary tree calculate the value of the expression

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