vibe背景差分建模

A*[1]（A-Star)算法是一种静态路网中求解最短路最有效的方法。公式表示为： f(n)=g(n)+h(n),其中 f(n) 是从初始点经由节点n到目标点的估价函数，g(n) 是在状态空间中从初始节点到n节点的实际代价，h(n) 是从n到目标节点最佳路径的估计代价。保证找到最短路径（最优解的）条件，关键在于估价函数h(n)的选取：估价值h(n)实际值,搜索的点数少，搜索范围小，效率高，但不能保证得到最优解。

几个c语言的程序，其中推荐快速傅丽叶变换-Several c language program, which recommended the rapid transformation傅丽叶

标准正态分布,小球坠落演示-Standard normal distribution, the ball falling demo

This fiel shows how to use Hopfield networks

这是关于eda实验中的交通灯设计的源码和报告 里面详细说明了使用qurtus的过程  原理和源码都有的 具体实验应该大学的教材都差不多的 可以借鉴一下

应用背景图像边缘是很重要的视觉信息,边缘检测在图像处理和机器视觉中占据着重要位置。通过边缘检测勾画出目标物体的轮廓,达到目标识别的目的。传统的边缘检测方法是基于空间运算的,借助空域微分算子利用卷积来实现,主要起到高通滤波的作用,如Sobel边缘算子、Roberts边缘算子、Krisch边缘算子、高斯2拉普拉斯边缘算子等关键技术 信息激素(Pheromone)作为蚂蚁选择后续行为的依据,并通过蚂蚁间的协同与交互来完成全局寻优搜索过程。该算法具有强鲁棒性、正反馈性和分布式处理等特点,已被成功用于解决许多诸如TSP问题、图着色问题等复杂问题。但用于图像处理领域,国内外的研究还比较少,韩彦芳等人利用蚁群算法提出了基于模糊聚类的图像分割方法,本文则利用蚁群算法提出了一种新的图像边缘检测方法。将一群蚂蚁随机放置到图像中,根据蚁群算法的路径选择机制,使蚂蚁以较大的概率选择图像边缘点作为下一步移动目标位置,经过多次循环迭代最终使大多数蚂蚁聚集到图像边缘上,从而提取出图像的边缘。

这是一个bch编码的程序，以前看到的都是小数据量的用不到循环语句，而这个用到了循环语句，所以解决了数据量大的问题。在用的时候只需要把数据导入到里面就完全ok了，不信你可以试试。

Killer Calc sources. Operational system: DOS. Compiles OK in Quickbasic.

A matlab program for  multi-target tracking,The problem of multi-target tracking is comprised of two distinct, but tightly coupled challenges: (i) the naturally discrete problem of data association, i.e. assigning image observations to the appropriate target; (ii) the naturally continuous problem of trajectory estimation, i.e. recovering the trajectories of all targets. To go beyond simple greedy solutions for data association, recent approaches often

1）能录入新商品信息2）能对商品信息进行查询： 可以按编号，按商品名称，按商品类别，按供货商，按产地进行查询3）可以对商品信息进行修改，删除4）商品销售：输入销售单，根据商品编号，读取并显示商品信息，根据销售数量，修改库存。5）可以记录销售的记录，以备查询。6）商品销售信息查询：7）统计