Delta 并联机器人 反解算法代码

基于MFC对IGES文件进行解析并分流存储，采用数学算法完成NURBS模型统一建立，最后利用OpenGL完成NURBS模型重绘并进行交互操作。

一种替代方法线性卷使用离散正弦积余弦变换 d ,出版 in V. G. Reju, S. N. Koh and I. Y.很快，"卷积使用离散正弦和余弦变换，" IEEE 信号处理信件、 卷14、 2007 年 7 月，第 7 页 445–448。（第二跻身前访问文档从 》 杂志 2007 年 7 月）。

应用背景 支持向量机（Support Vector Machine，SVM）是一种新的机器学习方法，其基础是Vapnik创建的统计学习理论（Statiscal Learning Theory，STL）。统计学习理论采用结构风险最小化（Structural Risk Minimization，SRM）准则，在最小化样本点误差的同时，最小化结构风险，提高了模型的泛化能力，且没有数据维数的限制。在进行线性分类时，将分类面取在离两类样本距离较大的地方；进行非线性分类时通过高维空间变换，将非线性分类变成高维空间的线性分类问题。 关键技术 本章将详细介绍支持向量机的分类原理，并将其应用于基于乳腺组织电阻抗频谱特性的乳腺癌诊断。 乳腺是女性身体的重要器官，乳腺疾病类别繁多、病因复杂，其中，乳腺癌是乳腺疾病的一种，逐渐成为危害女性健康的主要恶性肿瘤之一。近年来，乳腺癌等乳腺疾病发病率呈明显上升趋势，被医学界称为“女性健康第一杀手” 。 相关研究结果表明，在直流状态下不同生物组织表现出不同的电阻特性，生物组织电阻抗随着外加电信号频率的不同而表现出较大的差异。常见的电阻抗测量方法有：电阻抗频谱法(Impedance Spectroscopy)、阻抗扫描成像法(Electrical Impedance Scanning，EIS)、电阻抗断层成像法（Electrical Impedance Tomography，EIT）等。电阻抗频谱法的测量依据是生物组织的电阻抗随着外加电信号频率的不同而呈现出较大的差异；阻抗扫描成像法的原理是癌变组织与正常组织及良性肿瘤组织的电导（阻）率相比，存在着显著性的差异，从而使得均匀分布在组织外的外加电流或电压场产生畸变；电阻抗断层成像法则利用设于体表外周的电极阵列及微弱测量电流，提取相关特征并重新构造出截面的电阻抗特性图像。 尽管目前的电阻抗测量结果还存在一些偏差，但相关研究已经证实癌变组织与正常组织的电阻抗特性存在显著地差异。因此，乳腺组织的电阻抗特征可以应用于乳腺癌的检查与诊断中。由于电阻抗测量法具有无创、廉价、操作

松弛迭代法.rar-Iterative Method. Rar

沃而什编码源程序- Fertile and assorted code source program

BBS论坛主要是用来在网上交流意见的，有人提出一个问题或者见解，其他人可以针对不同的方面提出自己的想法并发表自己的见解。但是为了保证论坛的安全性，不是任何人都可以发表帖子和回复帖子的，必须以会员的身份登录到系统后，才能发表和回复帖子。因此BBS论坛将用户划分为4类：普通游客、普通会员、版主、管理员。

应用背景 这是一个用计算机图形学做的的二维绘图程序，界面良好，互动性高。主要内容包括：1.基础图元的生成，如直线、椭圆、区域填充等。 2.样条曲线的生成，如Bezier曲线、B-样条曲线，二次累加 弦长曲线。3.任意的多边形的生成。 关键技术 MFC的框架。onpaint函数编写。二次曲线的算法。任意多边形生成算法。

信号相位匹配原理的正弦信号参数的最小二乘估计-Parameter estimation of sinusoidal signals by using principle of signal matched-phase

此源码实现的功能: 是对Camera采集的图像进行校正处理。 具体是：通过输入一组的黑白相间的棋盘格的图像，检测黑百格图像的焦点位置来矫正使用 透镜给针孔模型带来的孔型的误差，我们可以使用从不同角度去采集图像，根据不同位置的图像的 角点信息，来近似估计其矫正矩形参数，从而得到较好的图像。其原来是基于张学友的标定算法， 利用OpenCV来实现的，是经过测试的。

这篇文章很适合A*算法的初学者，可惜网上没找到翻译版的。本着好东西不敢独享的想法，也为了锻炼一下英文，本人译了这篇文章。 由于本人英文水平非常有限，六级考了两次加一块不超过370分，因此本译文难免存在问题。不过也算是抛砖引玉，希望看到有更多的游戏开发方面的优秀译作出现，毕竟中文的优秀资料太少了，中国的游戏开发者的路不好走。 本人能力有限，译文中有小部分词句实在难以翻译，因此暂时保留英文原文放在译文中。对于不敢确定翻译是否准确的词句，本人用圆括号保留了英文原文，读者可以对照着加以理解。 A*算法本身是很简单的，因此原文中并没有过多地讨论A*算法本身，而是花了较大的篇幅讨论了用于保存OPEN和CLOSED集的数据结构，以及A*算法的变种和扩展。 编程实现A*是简单的，读者可以用STL对本文中的伪代码加以实现（本人已花一天时间实验过基本的A