一个很好的VC代码示例.

递推关系的建立及在信息学竞赛中的应用 欢迎下载ginger547的算法资料-recurrence relations and the establishment of the Information Science Contest welcome to download the application of the algorithm information ginger547

牛顿法解方程之混沌情况，帮助你对牛顿法解方程的领悟，具有非常强的视觉冲击力，美仑美奂，不看将后悔一辈子的！-Newton equation solution chaotic situation and help you right Solving equations of Newton"s grasp, with very strong visual impact, attractive, and will not look at a lifetime of regret!

文件包含多种自适应滤波控制算法，能帮助初学者快速学习ANC算法。

使用哈希来做第一张地图，并使用一个字符串的最小表示测试天气 2 字符串具有相同的最小表示形式，结合哈希。

求解方法简单明了，注释详细，易于理解

该程序是两关节自由度机器人的逆运动学求解，通过拉格朗日能量方法建立机器人的运动学方程，根据关节力矩可以计算出机器人的关节角，从而完成其逆运动学的求解过程.......

一直以来对 SVPWM 原理和实现方法困惑颇多， 无奈现有资料或是模糊不清， 或是错误百 出。 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

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。

由给出的三个点坐标，拟合出一条样条曲线，对于工程或数据分析的同志有作用。-Three points by the given coordinates, fitting out of a spline curve, or data analysis for the project has the role of comrades.

一个能将阿拉伯数字转换成汉字的程序-one can convert Arabic characters procedures