棋盘覆盖,不错的

打开bmp图程序，精简！vc环境使用CDib类打开bmp格式图片的工程，可运行。

应用背景 此算法容易被理解，运用，或会有更大的利用价值，用于实际生活中，例如甲地到达乙地，可以用此二叉树发现不同路线供使用人使用。或正在学习有关二叉树的初学者们使用，此代码更容易被初学者学习和使用，此代码是用五个节点，也可以发展到更多的节点。 关键技术 用五个节点的二叉树的排序输出，涉及到先序便利，中序便利，后序便利，运用六个节点使用其相应的便利方式是问题得到不同的方案，二叉树进行展示，可以用于三种二叉树学习，用于实际生活中，例如甲地到达乙地，可以用此二叉树发现不同路线供使用人使用。

列选主元的Gauss消去法-out how the PCA Gaussian Elimination

程序：全主元Gauss消去法 过程：gaussq(aa,bb,xx,n,sgn) 作用：aa为系数矩阵，bb为右端向量，xx为解向量，n为方程阶数，sgn为标识符，1表示计算正常进行，0表示计算失败 方程形式为：aa(n,n)*x(n)=bb(n)-Procedure: All the main element Gauss elimination process: gaussq (aa, bb, xx, n, sgn) Role: aa for the coefficient matrix, bb for the right-hand side vector, xx for the solution vector, n the order of the equation, sgn as identifiers, 1 indicates the calculation as normal, 0 indicates failure of the calculation equation of the form: aa (n, n)* x (n) = bb (n)

时频富FFT的信号处理

1 读入一个整数，将各个数位上的数拆分下来并输出（从高位到低位）。

您可以添加整数列表并在屏幕上打印。如果你想的话，你可以先添加，后添加，再反向添加。

应用背景当前图像处理技术处于热门段，本程序介绍了用VC程序如何进行图像处理与识别关键技术VC++图像处理与识别实用案例。。。。。。。。。。。。。。。。。。。。。。。

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。

空间5阶WENO格式 时间3阶RK格式