大整数乘法,实现两个大整数相乘的C++代码

此代码运行MOWCATL（最小出现次数用约束和时间滞后问题）算法是一种流行的数据挖掘算法。该算法是用于频繁episodal型态的发现和对气候的研究非常有用的。 MOWCATL算法由雪莉危害和Jitender Deogun（2004年，http://link.springer.com/article/10.1023/A:1025824629047）开发和广泛的地区使用该算法适应于他们的应用程序。该算法是一个给定的时间间隔参数中的顺序关联模式。对于该算法的详细说明，以上的链接都可以使用。

该模型包含三个模块。"根"模块生成的工作，并将它们发送到"先进先出"的模块，这是一个单服务器队列。作业将存储在队列中 （cQueue 对象） 直到他们服务 — — 此队列，能够发现并视察了"先进先出"模块 — — 类成员之间的图形环境中任一对象中树在主窗口中，或在检查器中的"先进先出"模块 （fifo） 用鼠标右键单击""图标--> 检查作为对象--> 单击"内容"选项卡上）。处理的作业的处置"下沉"模块中。"汇"模块收集统计信息，还可以检查。运行仿真后, fifo*.vec 文件将包含排队时间在模拟过程中通过 cOutVector 对象收集的数据。可以使用 Plove 程序绘制数据。AbstractFifo 可以用作模块涉及排队的基类。一个人可以子类 AbstractFifo 和重新定义以下的成员函数：空 arrival(cMessage *msg)simtime_t startService(cMessage *msg)空 endService(cMessage *msg)通过 AbstractFifo::handleMessage() 调用这些函数时一条消息到达，开始服务和结束服务，分别。startService() 应返回该消息的服务时间。ACBFifo 和 ACPFifo 演示如何执行此操作。

频繁项集挖掘采用spark实现的并行化挖掘算法（并行的apriori算法和b并行的  fp_growth算法）。并行的apriori算法采用scala编写，并行的fpgrowth采用java编写。里面会有较多函数使编程的内容。                                                                                                                                             &

曲线拟合源码，简单好用，觉得很有用，也是网上找来的-curve fitting source, simple user-friendly, feel useful, but also brought the Internet

用vc实现的马跳棋盘-achieve with a horse vc checkerboard

矩阵求逆c语言算法！-matrix inversion algorithm c language!

一个实用的复杂卡尔曼滤波，对初学者很有帮助。 -The complexity of a practical Kalman filter, useful for beginners.

应用背景对于智能计算、优化理论方面，遗传算法和粒子群算法都属于现代仿生类优化算法，但是两者还是存在差异，遗传算法的核心在于变异和交叉，粒子群算法的核心在于个体寻优和群体寻优之间取平衡。通常研究者机械地将将两种算法结合起来，使得程序复杂，运行时间偏长，本程序以粒子群算法为主，巧妙地将遗传算法的变异思想引入粒子群算法，这一简单改进却可以大大提高粒子群算法的性能。但是，注意 引入随机数时的阈值 需要反复试验确定，目前这个程序没有做到阈值自适应。关键技术将遗传算法的变异思想 巧妙引入 粒子群算法 中改进粒子群算法寻优性能，使得寻优速度更快，当测试复杂高维的benchmark时，也更加接近最优值

采用高斯分布函数，生成具有很强随机性的随机表面，可用于粗糙面、海面等起伏随机表面的生成，也可生成褶皱起伏表面