Remote compilation

Linux 下 libuuid库移植和使用，可以直接在Linux下运行make，已经在目前的项目中使用。

linux构建实时传输控制协议的源代码

amuel跨平台的源码，可以在linux中编译，方便学习amule的工作原理，以及amule中的DHT的Kad的实现原理与网络协议内容。非常好用。

///////////////////////////////////////////////////////////////////////////

在数字信号处理中，fir滤波器是必不可少的。本代码主要是实现对于数字信号处理中的fir滤波器，对各个样点进行操作。源码需要在linux环境下运行。

Quicker 1      标准C语言扩展 （）中的命令是该命令的短命令，所有的命令都能用F4（向前搜索）、F3（向后搜索）来或Ctrl Enter（向后）定位，为了方便最好能够设置si的search菜单下的search窗口(Ctrl f)选中select when found 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

在此项目中，我们使用图像背景减法运动检测，然后我们利用卡尔曼筛选器为跟踪检测 object.kalman筛选器 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

LDA是一种文档主题生成模型，也称为一个三层贝叶斯概率模型，包含词、主题和文档三层结构。文档到主题服从Dirichlet分布，主题到词服从多项式分布。 LDA是一种非监督机器学习技术，可以用来识别大规模文档集（document collection）或语料库（corpus）中潜藏的主题信息。它采用了词袋（bag of words）的方法，这种方法将每一篇文档视为一个词频向量，从而将文本信息转化为了易于建模的数字信息。但是词袋方法没有考虑词与词之间的顺序，这简化了问题的复杂性，同时也为模型的改进提供了契机。每一篇文档代表了一些主题所构成的一个概率分布，而每一个主题又代表了很多单词所构成的一个概率分布。 对于语料库中的每篇文档，LDA定义了如下生成过程（generative process）： 1. 对每一篇文档，从主题分布中抽取一个主题； 2. 从上述被抽到的主题所对应的单词分布中抽取一个单词； 3. 重复上述过程直至遍历文档中的每一个单词。

这是很好的例子，为指纹识别。这段代码被测试肺活量正在进行。它也是对我好，我希望它会对你很好。谢谢你。亲爱的菲利普

C++读取shp点数据，并进行点简化，简化算法为“圆增长”算法，并对简化前后点要素的信息进行了一定的统计，是一个比较详细的点简化算法，使用Linux平台进行编程，具有一定的参考价值。