2009

Mathing Learning in action 书中第二章源代码，用Python实现KNN算法，，并用Matplotlib创建散点图，构件分类器及完整的可用系统。1.收集数据：提供文件文本2.准备数据：使用Python解析文本文件3.分析数据：用Matplotlib画二维扩散图4.训练算法：5.测试算法：6.使用算法构建分类器，并完成可用系统

崭新矢量机SVM源码，IEEE上发表，技术有一定帮助-New vector machine SVM source, IEEE published, technology has certainly helped

展览品的水果分类简单专家系统的概念。基于16个规则可以分类10种水果。而问题的答案类型，使用组合框。 ；知识库（KB）&；规则的部分应用程序，不能单独的模块，所以它是不可编辑的，这就是为什么这是概念的例子。推理也在APP。如果你选择水果未知的KB，ES将unconclusive报表。一些规则是从池中移除，触发后，你应该退出&；在分类新会话开始重新启动应用程序。

使用c++ STL，对c或c++进行词法分析。 在Windows下编写的，其他平台需要改文件流 基本上能够进行正确的分析，没有进行注释符号的处理，需要的就不要下载了。                                                                                                                                                  &

复数据快速傅立叶变换算法-Minute Data Fast Fourier Transform algorithm

RSA加密和解密C#实现公钥和私钥是预定义的。浏览要加密或解密的文件。

针对频率、幅值和相位均发生变化的时变信号，现有自适应陷波器(ANF)频率估计方法存在信号频率跟踪精确性和稳定性不足的问题，为此提出了一种基于新误差函数的ANF时变信号频率跟踪方法，通过新误差函数改善自适应算法收敛至最优频率解的精度与速度，以提高时变信号频率跟踪的精确性和稳定性。给出了新误差函数分析结果，新ANF方法实现步骤和该频率估计方法的Cramer-Rao下限。通过训一算与现有ANF的时变信号频率跟踪方法性能进行了比较分析，并针对科里奥利质量流量训一时变信号进行了现场实验验证。结果表明，该方法具有收敛速度快、跟踪精度高、更接近Cramer-Rao下限和抗噪性好的优点。

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。

红黑树的C++实现，包括红黑树的插入，删除，左右旋转等操作，还包括了二叉树的基本操作（用于红黑树的实现）。

包括编译程序词法分析器、操作系统进程状态切换演示、VC_哈夫曼树halftree、节点矩阵最短路径guildmap、串基本操作的演示-Including the compiler morphology analyzer, the operating system advancement condition cut demonstration, VC_ Haveman sets up halftree, pitch point matrix most short-path guildmap, the string elementary operation eo demonstration