GAUSS-SEIDEL ALGORITHM

资源描述 python SCAN算法实现（structural clustering algorithm for networks） 关于格式的输入请用python的第三方类库networkx 该第三方库好用简便

fastica C++实现,很简单的,很容易看的 

计算机图形学实例，实验题目：将 矩形ABCD(A(20,20), B(20, 100), C(80, 20), D(80,100)) 在 X方向平移 30个单位，Y方向平移 60个单位，X方向缩小2倍，Y方向缩小2倍。实现二维图形的基本变换，包括平移、缩放。

包括基本概念，数学规划的解析法，基本构件优化设计，线性规划，桁架优化设计，连续梁和钢架的优化设计，非线性规划在结构优化设计中的应用，动态规划，几何规划，结构动力优化-Including basic concepts, the analytic method of mathematical programming, the basic components to optimize the design, linear programming, optimization of truss design, steel beams and continuous optimization of the design, non-linear programming in structural optimization and design, dynamic programming, geometric programming, structural dynamics Optimization

快速排序是一种分而治之的排序算法

这是在 Matlab 遗传算法的一个实现。欢迎下载。谢谢你的支持。

资源描述：针对室内物体或者人员使用主动式射频识别(RFID)技术问题，设计了适用于室内环境的定位算法。传统的RFID室 内定位算法由于室内环境复杂多变，路径损耗系数很难准确估计，定位精度不高。为解决上述问题，提出一种采用BP神经 网络的RFID室内定位算法，算法引入参考标签辅助定位，利用BP神经网络建立场强信号转化模型。在模型中输入接收信 号强度值，输出路径损耗系数，网络模型提高了路径损耗系数的准确性，再利用距离一损耗模型实现精确定位，从而减小定位 误差。与传统的RFID定位算法比较，仿真和实验结果表明，改进算法的定位精度有显著的提高，可用于仓库、监狱、超市等 室内环境。

CRF的工具包，实现原理，及样例。CRF(Conditional Random Field) 条件随机场是近几年自然语言处理领域常用的算法之一，常用于句法分析、命名实体识别、词性标注等。在我看来，CRF就像一个反向的隐马尔可夫模型(HMM)，两者都是用了马尔科夫链作为隐含变量的概率转移模型，只不过HMM使用隐含变量生成可观测状态，其生成概率有标注集统计得到，是一个生成模型；而CRF反过来通过可观测状态判别隐含变量，其概率亦通过标注集统计得来，是一个判别模型。由于两者模型主干相同，其能够应用的领域往往是重叠的，但在命名实体、句法分析等领域CRF更胜一筹。当然你并不必须学习HMM才能读懂CRF，但通常来说如果做自然语言处理，这两个模型应该都有了解。

应用背景 利用ansj simhash进行分词和去重 关键技术ansj分词使用非常方便，只需要下载相应的jar包就可以，simhash能够快速去重。