SVMlib 最新版

A program to demonstrate the optimization process of particle swarm optimization. A two-dimensional objective function is visualized by level of grey: the lighter the color, the higher the function value. The particles are shown as red circles, their trajectory as red lines.-A program to demonstrate the optimization process of particle swarm optimization. A two- dimensional objective function is visualized by level of gray : the lighter the color, the higher the value function. The particles ar e shown as red circles. their trajectory as red lines.

E直接调用OPENSSL实现ECC,RSA,DES,AES算法例程.E directly call OPENSSL achieve ECC, RSA, DES, AES algorithm routines.

采用的是回溯法和分支限界的思想求解迷宫问题                                                         

沃尔什函数（或者，简单地说，沃尔什系统），该系统可以被看作是连续的，模拟的在单位区间三角函数系统的离散，数字对应。不像三角函数，沃尔什函数是仅分段连续的，并且，实际上，是分段常数。该函数使用的值-1和1只，在子区间由二进分数定义。 这两个系统形成一个完整的，正交函数集，在方积函数在单位区间的Hilbert空间L2[0,1]的正交基。两者都是有限的功能，不同的是，比方说，哈尔系统或者富兰克林的系统。  两个三角函数和沃尔什系统承认自然延伸通过周期性从单位间隔。此外，在该单元间隔（傅立叶级数）既傅立叶分析和对实际线（傅立叶变换）都通过沃尔什系统中定义的数字对应的实线R. ，前者是沃尔什序列，而后者 - 哈达玛变换理论。  沃尔什函数和相应的系列和变换查找在物理和工程的各种应用，特别是在数字信号处理。它们被用来在语音识别中，在医疗和生物图像处理，在数字全息和其他领域。  从历史上看，沃尔什函数各numerations已被使用，其中没有一个可以被认为是特别优越于另一个。在下文中，我们将使用所谓的沃尔什 - 佩利记数。

隐式曲面求解的源代码，用户可以输入隐式曲面，得到mxmxm的网格数据-Implicit surface to solve the source code, users can enter implicit surface, the grid data mxmxm

本程序用于有限元方法中空间8节点单元刚度矩阵的计算，并通过文本文件实现数据间的传输，在VB中通过shell函数来调用fortran的程序，实现二者的混合编程。 -This procedure for the finite element method in space for 8-node element stiffness matrix calculation, and through text files between data transmission, in VB through shell function to call fortran procedure, the two realize mixed language programming.

ACM大赛基本练习题-ACM contest basic Exercises

模糊PID算法，实现了求交法计算模糊蕴含关系、最大最小法进行合成运算、求并法计算输出量的模糊集合、加权平均法计算实际的清晰控制量等部分的详细代码。模糊算法，实现了求交法计算模糊蕴含关系、最大最小法进行合成运算、求并法计算输出量的模糊集合、加权平均法计算实际的清晰控制量等部分的详细代码。-Fuzzy algorithm,

调试实现快速排序算法。-debug fast sorting algorithms.

应用背景 It approximates or even outperforms previously proposed schemes with respect to repeatability, distinctiveness, and robustness, yet can be computed and compared much faster.关键技术This is achieved by relying on integral images for image convolutions; by building on the strengths of the leading existing detectors and descriptors (in casu, using a Hessian matrix-based measure for the detector, and a distribution-based descriptor); and by simplifying these methods to the essential.