Chirp Scaling成像算法matlab源代码

通过VC编程实现求解点云的法向量。 激光点云也称为点云，在逆向工程中通过测量仪器得到的产品外观表面的点数据集合也称之为点云，通常使用三维坐标测量机所得到的点数量比较少点与点的间距也比较大，叫稀疏点云；而使用三维激光扫描仪或照相式扫描仪得到的点云点数量比较大并且比较密集，叫密集点云。点云的属性包括：空间分辨率，点位精度，表面法向量等。法向量作为点云必不可少的属性之一，其估计方法在点云处理中具有重要的位置

讲解了树的粗略算法-on the rough tree algorithm

计算圆周率可一到小数点后任意位,速度还不错-One can calculate pi to arbitrary places after the decimal point, speed is also good

使用Matlab的GUI设计，实现了一种谷物（玉米）自动计数的方法。

模拟抽奖程序，选择投注数目，和总注数。 从而实现，抽奖的的随机数。- sorry ，i m poor in English . so , i can t express my words.

粒子群优化算法 （PSO） c粒子群优化 （PSO） 算法 [1，2] 在 C 可执行"插入"代码作为一个小型图书馆。粒子群优化算法用于涉及全局随机优化的连续函数 （称为目标函数） 的问题。粒子群优化算法也可用于离散优化问题，但在此库的当前版本中未实施这种行为。使用只是在代码中包括 pso.h 和 pso.c。您需要有 GNU 科学图书馆和各自的发展 （即标题） 文件，以在您的应用程序中包含 pso.c。你的 Makefile 中将添加到您的 LDFLAGS 的-lgsland lgslcblas。为了使用 pso_solve()，您需要：最小化目标函数 （见在 pso.h 中定义类型 pso_obj_fun_t），一个具有正确初始化的 pso_results_t 对象 (malloc 会) gbest 缓冲区。这是将存储发现最好的位置，以及最小的误差 （存储在成员错误）。一个具有正确初始化的值 （使用 pso_set_default_settings() 进行快速和肮脏的初始化） 的 pso_settings_t 对象功能邻域拓扑粒子群优化算法用于确定每个 particle 附近吸引子提供了三种不同的策略：全球的拓扑结构 （PSO_NHOOD_GLOBAL），每个粒子由每一另一种粒子群通知环形的拓扑 （PSO_NHOOD_RING） 在那里存在着固定的环型拓扑结构和每个粒子由其邻近的微粒通知

二叉树是每个结点最多有两个子树的有序树。二叉树常被用于实现二叉查找树和二叉堆。该代码对二叉树进行了C语言实现，实现平台为VC6.0。

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。

基础算法代码解决方案 (BACS)这个包是一笔小的和已知的算法存在的问题及解决方案编码是种科学与艺术之间的一门学科。在任何时候，我们会深入到 maXbox 或 ObjectPascal 编程 （OP）。它是只是引物，以在编写一个程序中显示的第一步。另一个教训深入与第二个步骤，并显示对象、 类和事件。作为一个教练和老师，我发现没有什么教育学生误以为算法优于解决微小的、 个人的和短的问题。他们是向大脑什么俯卧撑...无论肌肉组俯卧撑是的。举个例子： 给定文本，显示按相反的顺序由奇数排名的每个字符的文本。或者，给出一组数字，显示所有成对的去乐透发电机的总和是 10 到 100 之间的数字。绝大多数我们使用类似四舍五入或 sqrt () 函数都隐含在图书馆 （或单位）。图书馆是你可以在你的程序中包含的代码的集合。通过将您常用的代码存储在库中，可以多次在不同的项目中重用的代码，并还隐藏比较难的部分，从开发人员的代码。一旦一个单位测试它是稳定使用。

由中国自动化学会机器人竞赛工作委员会和中国人工智能学会智能机器人专业委员会共同主办，2011年和2012年的比赛项目由深圳大学承办，深圳大学和深圳市机器人协会联合承办的首届大赛于2011年11月12~14日在深圳大学成功举行，吸引了来自全国各地的30多所高校和中学参加，参赛人数接近300人，设立的比赛项目包括：教育机器人智能搬运竞赛、教育机器人擂台、教育机器人游深圳、教育机器人创意设计和制作、微小型群机器人协作和舞蹈、中型组足球机器人竞赛等。