霍夫曼编解码算法

约瑟夫问题的求解方案，经典-Joseph solving the problem, classic

利用该程序，可以实现人脸的识别，并且有测试的图片，能正确测试出识别率，但是不是很高，有望大家继续改进。希望对那些刚开始学算法的人有一定的帮助

:基于matlab的 脑部ct图像自动分割 自动分割出脑白质

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.

Data Mining 算法-Data Mining Algorithms

可进行多种分布函数的计算，包括求解均值，方差等。可在进行统计学程序编辑时使用。-Can be calculated a variety of distribution functions, including the solution of the mean, variance and so on. Carrying out statistical procedures can be used to edit.

资源描述判断矩阵是否规律，如m x n。判断两个矩阵是否为同阶矩阵，是否为同型矩阵。计算矩阵的转置矩阵。判断两个矩阵是否一模一样。计算两个同型矩阵的乘法、加法、减法。计算数与矩阵的乘法。

TF-IDF（term frequency–inverse document frequency）是一种用于资讯检索与资讯探勘的常用加权技术, TFIDF的主要思想是：如果某个词或短语在一篇文章中出现的频率TF高，并且在其他文章中很少出现，则认为此词或者短语具有很好的类别区分能力，适合用来分类。TFIDF实际上是：TF * IDF，TF词频(Term Frequency)，IDF反文档频率(Inverse Document Frequency)。TF表示词条在文档d中出现的频率。IDF的主要思想是：如果包含词条t的文档越少，也就是n越小，IDF越大，则说明词条t具有很好的类别区分能力。如果某一类文档C中包含词条t的文档数为m，而其它类包含t的文档总数为k，显然所有包含t的文档数n=m + k，当m大的时候，n也大，按照IDF公式得到的IDF的值会小，就说明该词条t类别区分能力不强。但是实际上，如果一个词条在一个类的文档中频繁出现，则说明该词条能够很好代表这个类的文本的特征，这样的词条应该给它们赋予较高的权重，并选来作为该类文本的特征词以区别与其它类文档。这就是IDF的不足之处。

VHDL实现8051（完全版）

日历程序源代码 visual basic