a ClosestPair code which is writen with BrutForce

很好的一个C++控制台程序-good a C Console

该程序是用C语言写的采用了动量方法的BP神经网络，它具有极其强大的扩展性，可用于函数的逼近及分类识别等各方面，语言书写规范，其中大量使用了动态分配一、二维数组的方法，该网络实例中实现的是对某一函数的逼近，输入层为二层，中间层可自己设定多达十几层，逼近精度非常精确。读者可根据自己的需要设定各层的数目以及相应的训练样本进行训练与测试。-The program is written in C language using the momentum method of BP neural network, which has extremely powerful scalability, can be used for function approximation and classification in areas such as language specification, including large-scale use of a dynamically allocated one, two dimensional array of methods, examples of the network realize that the approximation of a function, for the second input layer, middle layer can be set as many as a dozen layers, close to very precise accuracy. Readers may need to be set in accordance with its own number of floors and the corresponding training samples for training and testing.

这是一个利用蚁群算法进行图像边缘检测的程序，基于论文“图像边缘检测的蚁群优化算法”，IEEE进化计算大会（CEC），第751-756页，香港，2008年6月。输入：

lda模型，用java语言写的，我想做些lda文本分类的实验，这里面有关的一些算法，我自己有些也没有明白，希望各位大神能给看看，帮忙解决下问题。

这是Badming写的一些关于AI的c++代码，他认为现代的脚本语言实际上是未来Ai的前身。当代码复杂到一定程度，程序给人类的反应，人类已经分不清是不是死的代码或是真的有意识产生了。-This is a Badming written about AI in c++ code, he thinks of modern scripting language is actually the predecessor of the future of Ai. When the code is complex and to a certain extent, the program" s response to mankind, mankind has not distinguish the code is not dead, or really awareness created.

大地坐标到平面坐标的转换――高斯-格吕特变换-geodetic coordinates to the coordinates of the plane conversion-- Gaussian- Gruetter Transform

多维傅里叶变换，二维DFT快速算法，共分五部--三：二维实序2D-DFT列行列算法-Multi-dimensional Fourier transform, fast algorithm for two-dimensional DFT is divided into 5- 3: two-dimensional real column ordinal ranks of 2D-DFT algorithm for

二叉树的各种操作,实现插入,查找,删除等功能-binary tree operation, and achieve insert, search, delete function

一种求PI值的诡异算法 可以很快求到800位嗷-A PI value for the strange algorithm can quickly seek to the sound of wailing 800

CRF的工具包，实现原理，及样例。CRF(Conditional Random Field) 条件随机场是近几年自然语言处理领域常用的算法之一，常用于句法分析、命名实体识别、词性标注等。在我看来，CRF就像一个反向的隐马尔可夫模型(HMM)，两者都是用了马尔科夫链作为隐含变量的概率转移模型，只不过HMM使用隐含变量生成可观测状态，其生成概率有标注集统计得到，是一个生成模型；而CRF反过来通过可观测状态判别隐含变量，其概率亦通过标注集统计得来，是一个判别模型。由于两者模型主干相同，其能够应用的领域往往是重叠的，但在命名实体、句法分析等领域CRF更胜一筹。当然你并不必须学习HMM才能读懂CRF，但通常来说如果做自然语言处理，这两个模型应该都有了解。