基于ArcGIS10.2的excle数据转换成.shp数据

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

高斯赛德尔 高斯赛德尔 高斯赛德尔 高斯赛德尔 高斯赛德尔-Gauss-seidel

aagadfaadggh nasfajs sfaglasdlkg abnfgaqjg；asjf kafgakgj nklajfga；g kajfgaj；sg nkajfgasl；gf，nkajf；lajds；ghlaksgf ；

多目标决策；多属性决策多目标决策；多属性决策;Multi-objective decision; multiple attribute decision making

数值分析中的连分式求积问题，含输入输出界面。-Numerical analysis of continued fractions quadrature problems, with input and output interface.

这是一段采用SRP-PHAT算法的声源定位程序。为了减小计算量，采用了SRC(STOCHASTIC REGION  CONSTRICTION) 策略可以大大减小时间复杂度，比基于网格的SRP-PHAT的方法快千倍以上。

超长整数除法.转载-long integer division. Reprinted

自己编写的，SAT问题的Johnson算法源代码，请多多指教-I have written, SAT question of the Johnson algorithm source code, please advice

资源描述这是使用stein算法，实现的计算两个32位数的最大公约数的算法，在这里面使用了流水线来提高吞吐量，并且提高了工作速度，初次之外，还有两个串转并和并转串的模块，供大家参考

数值算法，有利于学习 数值算法，有利于学习 -Numerical algorithms, numerical algorithm conducive to learning and is conducive to study and numerical algorithms, numerical algorithm conducive to learning and is conducive to learning