各种算法的c语言程序，包括huffman、线性表、栈、队列等

验证码解码器 80%精度 -得到更柔和的图像 -选择图像 -显示文本

大多数算法用于跟踪视频中的对象由两个部分组成： 被跟踪对象的动力学模型和它的外观模型。外观模型是经常跟踪，也许从训练图像之前建造，然后用作-时，跟踪测试序列。 如果测试序列中不包含的对象或照明条件下，不确切地匹配那些训练数据的外观吗？通常情况下，追踪与固定的外观模型将在这些情况下表现不佳。 在这个项目中不能使用期间跟踪增量改进目标的子空间外观模型来提供了新的外观信息。这种算法的关键是一种新的增量算法为 PCA，允许高效的子空间更新。

二维实(复)多项式求值示例-(Minute) polynomial evaluates example

Calculate the derivative of a parametric functions

第1章 TURBO PASCAL高级编程技术 1.1 单元及其使用 1.2 与汇编语言混合编程 1.3 与C语言混合编程 1.4 过程类型及其使用 1.5 中断例程的编写方法 1.6 动态数组及其使用 1.7 扩充内存(EMS)及其使用 1.8 扩展内存(XMS)及其使用 1.9 程序的标准数据作代码处理的方法 第2章 实用工具单元 2.1 屏幕输入与输出单元ACRT 2.2 字符串处理单元ASTR 2.3 磁盘操作单元DISK 2.4 热键单元POPUP 2.5 数据库交互单元DBASE 2.6 扩充内存单元EMS 2.7 扩展内存单元XMS 2.8 数学函数单元MATH 2.9 矩阵运算单元MATRIX 2.10 概率分布函数单元PROB 2.11 复数运算单元COMPLEX 第3章 实用程序 3.1 软锁驱动器程序 3.2 锁硬盘逻辑盘程序 3.3 稿纸打印程序 3.4 源程序列表程序 3.5 查找并替换程序 3.6 备份硬盘主引导扇区程序 3.7 四通-PC文本文件转换程序 3.8 SPT文件与BMP文件的双向转换程序 3.9 数据库卡片打印程序 3.10 BATCH文件转换为COM文件程序 3.11 机密文件的有效销毁程序 3.12 释放内存程序 附录1 源程序文件索引表 附录2 各种显示卡及其显示模态表 -Chapter 1 TURBO PASCAL senior programming technology and its use 1.1 1.2 modules and compile language Programming were mixed with 1.3 C language types and process 1.4 1.5 interrupt routine use of a method of preparation dynamic array .6 1.7 and its use expanded memory (EMS) 1.8 and its use of Extended Memory (C

本代码是《计算机常用数值计算算法与程序 C++版》一书的配套插值代码，这些C++程序已经在Virsual C++ 6.0环境下通过。注意，在VC++ 6.0中设置好路径，特别是include目录(文件夹)的路径，否则在编译时会出现找不到头文件的错误，使编译无法正常进行。-the code is "commonly used computer numerical algorithms and procedures C version," a book supporting interpolation code, these procedures have been in C C 6.0 Virsual environment through. The attention of the VC 6.0 installed path, in particular include directory (folder) path, otherwise there will be compiled header files could not find the mistakes and the compiler not normal.

最小平方反褶积程序,原代码，已经编译过了,直接可以应用-least squares deconvolution procedure, the original code has been compiled, can be applied directly

此代码执行的电磁像单机排序问题的机制。这雇用的随机密钥概念与中的混合算法的遗传算子以获取单个机器问题的最佳/最佳日程安排相结合。这种新办法试图实现的收敛性和多样性的影响，应用时，它以迭代方式来解决问题。这种混合算法是一套的标准试验问题可用在文献中进行测试。计算结果显示此混合算法比标准遗传算法更好地执行。

资源描述针对人工神经网络室内定位算法训练速度慢,易陷入局域极小和全局搜索能力弱等缺陷,本文通过对网络泛化能力的计算,研究了遗传算法优化神经网络定位算法设计过程中的几个相关问题

粒子群算法虽然具有算法简单，寻优速度快等优点，但同时存在算法容易收敛，易陷入局部最优值等问题。采用遗传算法改进粒子群算法，通过选择、交叉和变异操作的引入，改进了算法性能，增强了算法的全局搜索能力。本案例研究了基于混合粒子群算法的TSP寻优算法。