名片管理

用matlab求解的一个Lagrange插值多项式问题-Using matlab to solve the problem of a Lagrange interpolation polynomial

分割是图像处理中最重要的任务之一。它包括在像素分为两个或多个组根据其强度水平和门槛值。分割质量，取决于用于选择阈值的方法。古典实现用于多阈值分割是计算代价昂贵的因为他们彻底搜索优化的目标函数的最佳值。根据这种条件下，利用优化的进化途径已扩大。电磁像算法 (EMO) 是人口的一种进化的方法，模仿之间收费，以发展成员的吸引力排斥机制。不同于其他算法，EMO 展品有趣的搜索功能，而保持较低的计算开销。本文介绍了一种基于 EMO 的阈值 （MT） 算法。该方法结合目标函数提出了流行的大津和卡普尔的 MT 方法 EMO 算法的良好的搜索功能。该算法从内部图像直方图的可行的搜索空间的随机样本。这种样品建立 EMO 上下文的每一个粒子而它的质量评价考虑是受雇的 Otsu 或卡普尔方法的功能的目的。价值观的引导下这些客观的候选解集进化透过 EMO 的经营者直到找到最佳的解决办法。该方法生成一种可以有效地识别在为数较少的迭代的数字图像的阈值的多层次分割算法。实验结果表明性能的 EMO 实现数字图像分割的证据。

黑洞的算法，和二分法，我写的，嗲给知道一些，自己感觉还可以。-Black hole of algorithms, and the dichotomy, I wrote some satay to know that they feel can also.

Implementations of different methods of sorting: BinaryInsertions.pas BubbleSort.pas HeapSort.pas InsertionBorder.pas InsertionSort.pas modifbubble.pas qsort.pas quicksort.pas selection.pas Shaker.pas shell.pas

本程序为生成给定分布律的随机数 模拟规划 也是图论中经典得程序 -This procedure for generating a given distribution law of random numbers simulation planning is a classic graph theory procedures

这是一个分别用Bezier曲线和B样条曲线进行曲线拟合的例子 程序用VB6.0中文版编写 例子中需要一个窗体和一个按钮（使用默认的名字） 在本例中，黑色的线条是对坐标系上各点的直接连线 黄色的线仅对点间连线进行近似拟合，并不通过每一个点，使用的是B样条曲线 蓝色的线通过除第一个点和最后一个点之外的每一个点，使用的是Bezier曲线-This is a difference with Bezier curves and B-spline curves curve fitting example of the procedures used to prepare the Chinese version VB6.0 need an example of the form and a button (use the default name), in this case, the black lines of the coordinates of the point on the direct connection of the yellow line between the only point Approximate line fitting, does not pass through every point, the use of B-spline curve through the blue line in addition to a final point and a point outside of each one, using a Bezier curve

应用背景最近写的一个DS18B20进行温度测试程序，应用在Zigbee模块CC2530上。DS18B20采用单总线传输方式，应用中能够最小化利用片上那个资源。关键技术CC2530 是用于2.4-GHz IEEE 802.15.4、ZigBee 和RF4CE 应用的一个真正的片上系统（SoC）解决方案。它能够以非常低的总的材料成本建立强大的网络节点。DS18B20是常用的温度传感器，具有体积小，硬件开销低，抗干扰能力强，精度高的特点。  

随机游走生成器：此代码模拟了一个随机游走过程请注意，"%" 任何指示的权利它是为人类阅读和 MATLAB 忽略注释。

"""

本案例适合于初学者对python语言的掌握和熟练以及对决策树分类算法的初步模拟，使其对决策树算法的思想有一个更清晰的认识和理解，其中所用的数据集是Iris，并且里面附有整个算法流程的说明文档，更有利于大家的理解，希望能够帮助到其他人。