Teclado matricial e 液晶 com Ações

一个比较通用的大数运算库，内附安装说明，5_4_2版本-A relatively large numbers of common computing library, containing installation instructions, version 5_4_2

用单链表编写一元多项式的乘法算法-single-chain preparation of a polynomial multiplication algorithm

蒙特卡罗方法又称随机抽样技巧或统计试验方法。半个多世纪以来，由于科学技术的发展和电子计算机的发明 ，这种方法作为一种独立的方法被提出来，并首先在核武器的试验与研制中得到了应用。蒙特卡罗方法是一种计算方法，但与一般数值计算方法有很大区别。它是以概率统计理论为基础的一种方法。由于蒙特卡罗方法能够比较逼真地描述事物的特点及物理实验过程，解决一些数值方法难以解决的问题，因而该方法的应用领域日趋广泛。 -Monte Carlo method known as random or statistical skills test method. More than half a century, the development of science and technology and the invention of the electronic computer, this method as an independent method was raised and the first nuclear test and research has been applied. The Monte Carlo method is a calculated, but with the general numerical method a great difference. It was based on the theory of probability and statistics-based approach. As the Monte Carlo method can vividly describe things and the physical characteristics of the experimental process, numerical methods to solve some difficult problems, the result of the increasingly extensive application areas.

经典马尔科夫蒙特卡罗采样工具箱，包含详细的子函数，可以用与点目标跟踪和多目标跟踪的很多应用场合。添加到matlab工具箱中可以直接运行。

：介绍TSP问题和遗传算法的基本原理。针对解决TSP问题，阐述遗传算法在编码表示和遗传操作算子等方面的应用情况，以及该算法在实现过程中的一些处理方法，最后给出该算法的运行结果和总结。

快速排序和冒泡排序-rapid sequencing and Bubble Sort

自己编写的，背包问题的各种近似算法以及动态规划算法，请多多指教-I have written, knapsack problem, as well as a variety of approximate dynamic programming algorithm algorithm, please advice

一个复数类的实现方法，虽然简单，但对于初学者对于ｍｆｃ编程很有指导意义，这也是本人初学ｍｆｃ的时候第一个实列。-kind of a complex method, though simple, but for beginners for very mfc programming guide, This is my time learning mfc is an out clause.

本文实现了C4.5的算法，在ID3的基础上计算信息增益，从而更加准确的反应信息量。其实通俗的说就是构建一棵加权的最短路径Haffman树，让权值最大的节点为父节点。ID3算法：ID3算法的核心是：在决策树各级结点上选择属性时，用信息增益（information gain）作为属性的选择标准，以使得在每一个非叶结点进行测试时，能获得关于被测试记录最大的类别信息。其具体方法是：检测所有的属性，选择信息增益最大的属性产生决策树结点，由该属性的不同取值建立分支，再对各分支的子集递归调用该方法建立决策树结点的分支，直到所有子集仅包含同一类别的数据为止。最后得到一棵决策树，它可以用来对新的样本进行分类。

实现关联规则算法，利用Apriori算法寻找频繁项集，再根据支持度剔除不符合需求的频繁项集，直到找到最大的频繁项集，即K项集，再根据置信度，确定强关联规则，最终得到我们事务集之间的关系，从而进行下一步的分析。