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。...

LZW压缩算法和RLE压缩算法的实现源码及Demo。本Demo未经过严格测试，请先保存待压缩文件再进行压缩测试。其中实现了LZW和RLE算法的编码和解码的压缩比、时间等性能指数的计算。

矩阵的最大特征值的幂法. 对于工程计算而言，矩阵的特征值和特征向量都是相当重要和常见的数据，这里给出的幂法是一种常见的求解方法，用的是迭代的思想。 符号说明: 1A为待求的矩阵， 2Uk，Vk为迭代用的列向量。 3最后的最大特征值maxLamda由最后一次的max(Uk)-----求Uk中的绝对值最大的元素的绝对值.所决定。 而maxLamda所对应的特征向量由最后一次迭代的Vk所决定. 主要的想法就是先选一个不为0的初始向量U0!=0，然后按下面的式子迭代。 -matrix eigenvalue of the largest power France. For engineering calculation, Matrix eigenvalues and eigenvectors are very important and common data, here is the power law is a common solution, using the iterative thinking. Symbol : 1A of the question for the matrix, 2Uk, Vk iteration of the column vector. The final three largest eigenvalue maxLamda from last max (uk Hoffmann for the uk the largest absolute value of the absolute value of the element. by decision. While maxLamda corresponding eigenvectors from the last iteration of Vk decision. The main idea was first choice not one of the initial vector 0 U0! = 0, then by the following formula iteration.

用C++编写的插值程序-prepared by the interpolation procedures

算法过程：1).读入数据，将数据用user_brands存起来，同时建立userid_id，再建立id_brands  2).遍历id_brands得到物品-用户倒排表brand_ids，根据倒排表得到用户的相似矩阵sim_mat  3).为每个用户推荐产品：      3.1).求用户u买过的brand和所有brand的差集得到用户u没有买过的物品集合brand_unused；      3.2).用户u对每一个没用过的物品i的兴趣p(u,i)：          3.2.1).找到与用户u最近的k个用户          对于每一个没用过的物品i：          3.2.2).找出这k个用户中对物品i有过行为的用户v[]√          3.2.3).将用户u和v[j]的兴趣相似度累加      3.3).取前m个最感兴趣的brand推荐给用户；  代码：UCF.cc（用户协同过滤核心代码）：#include  #include  #include  #include  #include  #include  #include  #include  #include  #include  

点集凸包Gram扫描法 c++程序-point set convex hull Gram scanning procedures c

（1）Msls分三步对系统和噪声模型进行辨识，采用脉冲序列作为辅助系统模型，用 计算输出数据 ；用原输出数据 计算 ，用递推最小二乘方法分别对系统参数和模型参数进行估计。 （2）M.dat,wnoise1.dat分别为M和白噪声序列。Wnoise1.dat的长度为700，wnoise2.dat的长度为1000。Msls6.c为N=600的程序，Msls8.c为N=800的程序。 （3）程序运行后，生成的两个h文件为产生的脉冲响应函数。Msls6.dat为msls6.c的参数估计结果，msls8.dat为msls8.c的参数辨识结果。分别如下所示： a1=0.906331 a2=0.160170 a3=0.025525 b1=0.704475 b2=-1.497551 c1=1.009114 c2=0.446890 a1=0.906347 a2=0.159066 a3=0.024650 b1=0.700720 b2=-1.493327 c1=1.008787 c2=0.425714 （4）由数据结果可以看出，采用msls辨识方法估计精度要比els法的估计精度差一些。尤其是噪声参数c2的估计误差不在1％以内。这是由于msls法计算上较为简便，计算上的简化就带来了估计精度上的误差。由N=600和N=800相比较，可以看出当N增大时，误差有所减小。理论上当N趋于无穷时， 。 -err

迷宫问题输出每一步的棋盘变化 第一个用递归解决的问题-maze problems every step of the output change a chessboard with the recursive solution

KNN最邻近算法在c上的实现。输入样本可以根据已经训练好的模型将该词分类，或者重新训练样本，将该新输入的样本进行分类。代码是在C语言上完成的。

多元线性回归为pacient 在多重线性回归，我们使用多个解释变量 ； 这将使我们在建设中使用的详细信息的优点 模型和，因此，更准确的估计。

matlab数字信号处理代码，仿真信号处理的内容-Matlab digital signal processing code, simulation of signal processing