目标检测

应用背景sdsdfasfafad fhshsfhsfhdfhsfhsfhh gasdgsdfsfhsfhs  ； ； ；sfhsfghsfgh  ；sfghsfghsfhsfhgdfhsfhsfhh sfghsfhsfghsfh  ； ； ；sfghsfhsfghsfh sfhsfghsfgh  ； ；sfghsfghsfhsfhg关键技术xfgnnxnnxfgnnxnnxfgn nxnnxfgnnxnnxfgnnxnnxfgnnxnnxfgn xnnxfgnnxnnxfgnnxnnxfgnnxnnxfgnnxnnxf gnnxnnxfgnnxnn  ；xfgnnxnnxfgnnxnn

8皇后问题的c++解决方案-8 Queen of c Solutions

包括数据输入、归一化处理、网络参数设定、BP网络建立与训练

STM8函数库中文参考 

求树的层次的算法-level for the tree algorithm

Algoritmos en Fortran 标准的身材段实习发展 manejar arreglos 标准的身材 completo 独奏干草 que compilar y ejecutar

本人还是初学者，看到贵网站上有丰富的高质量的程序，想下载来学习学习，来提高自身的编程水平，但也知道不能不劳而获，我也上传了一些我以前编的一些小程序，水平有限，但希望能给大家带来些帮助，希望站长能批准我入会。-, I head to approve membership.

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。

一个基于C++的成一个基于C++的成绩管理系统绩管理系统，短小精悍，让初学者能够很好的理解C++理解面向对象编程，C++面向对象编程的最大特点--封装，继承和多肽，此系统那个够让读者体会和理解C++的安全机制及操作重载

图像处理、 基于傅里叶变换的图像配准、 主要包括傅里叶变换、 影像配准的方法、 基于相位相关法进行图像配准。对具有图像平移，旋转缩放变换的图像都可以进行配准