任意相互不捕捉皇后生成源程序（类似相互不捕捉八皇后）

指定方差和窗口的大小, 产生2维高斯平滑窗的源码.-Specified variance and the size of the window, resulting in 2-D Gaussian smoothing window of the source.

不用多说，快速傅立叶变换算法大家都知道的。-Needless to say, the Fast Fourier Transform algorithm we all know.

资源描述无线传感器网络由在特定区域部署、对环境与物体等进行监控的 无线传感器节点组成。它是无线通信技术、传感器技术与嵌入式技术 融合发展的产物。作为一种新兴技术,无线传感器网络目前已经广泛 应用于工业监控、环境监管、办公自动化、医疗护理、军事国防等众 多领域。定位技术作为无线传感器网络的关键技术之一,对室内监控 与定位可以起到重要的作用

使用即席方式，将不同的功能剪切到不同的文件中，主要学习如何学习如何在文件头内以及其他文件的项目，并添加如何读取文件输出到特定的位置，以及读取文件空白如何处理，使用简单的算法来说明，同样很有帮助适合初学者！

应用背景 本人利用空闲时间来编造出简单的直线求交的FORTRAN代码，希望能帮助到有用的人，好人有好报，不用谢。 fortran，是数值计算中常用的解析语言。 关键技术该段代码采取了直线直接求交的方式。如果想要技术详细资料的话，好好啃里面的代码，挺好的。fortran，是数值计算中常用的解析语言。

应用背景人工神经网络(ANN)中关于反向传播算法的内容，相比单个感知器而言，采用多层网络的反向传播算法能表示出更多种类的非线性曲面，整个神经网络可以分成三层：输入层，隐藏层，输出层，通过加权线性变换，层与层之间的传递，最终得到输入层的实数值。关键技术 本人根据附件里面的文章编写的反向传播算法代码，里面含有详细的代码注释和文章例子， 可以让初学者深刻理解反向传播算法，适合初学者学习。给出BP算法训练的例子，对单个样本的训练的情况进行编写和验证。 //输入层到隐层的过程 float fNetj[m]; for (int j= 0;j < m; j++){ fNetj[j] = fTheta[n][j]; //这里权值矩阵最后一列是偏置，偏置×1还是偏置，所以直接加上， //后面就不用乘了 for(int i = 0;i < n; i++){ //得到netj 的值 netj= X^V fNetj[j] +=fInputdata[i]*fTheta[i][j]; } fMidResult[j] = 1/(1 + exp(-fNetj[j])); //cout

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 

随机数据的生产 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 -randome data 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　

维纳滤波的MATLAB实现，用于随机信号处理的算法演示！-Wiener filter MATLAB for random signal processing algorithm demo!

无人机高度基于matlab卡尔曼滤波程序 数据融合-UAV height matlab-based Kalman filter data fusion procedure