二叉树的C + + 实现

资源描述本文针对校园环境下移动机器人的定位与避障技术展开研究，并取得了一 定成果，具体研究内容如下： (1)针对校园环境范围大、结构简单的特点，结合RFID传感器信息传递 功能，提出一种大范围拓扑环境学习与建模新方法。根据校园环境上下文信息 需求，设计RFID标签格式，指导机器人进行环境学习，且以标签的分布代表 环境整体结构，由标签内容传递导航任务，由此构建环境模型。 (2)针对激光数据存在噪声干扰的问题，设计了一种动态自适应中值滤 波方法，利用激光数据时间和空间上的相关性，剔除噪声干扰，平滑激光数据。 (3)根据校园道路特点，采用激光传感器利用路沿高度区分路面区域， 完成机器人定位，并针对单一传感器无法可靠定位的问题，提出了基于扩展卡 尔曼滤波的激光与惯导模块角度信息融合方法，大大提高了机器人直道定位的 精度和可靠性。在路口区域，使用RFID、激光、惯导模块与里程计相互配合，

 LSR2D - Build projection matrix L for straight rays in 2D. % Input %    Tx: transmitter coordinates, nTx by 2 %          1st column contains X coordinates, 2nd contains Z coordinates %    Rx: receiver coordinates, nRx by 2 %          1st column contains X coordinates, 2nd contains Z coordinates %    grx: vector of X coordinates of cell boundaries (sorted increasing) %    grz: vector of Z coordinates of cell boundaries (sorted increasing) 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

针对TinyOS数据所写的代码，数据格式详情请参考http://tinyos.stanford.edu/tinyos-wiki/index.php/Main_Page

稀疏算法对图像去噪， 由于在K-SVD算法中用到了OMP算法和奇异值分解SVD算法，而当图像较大时，OMP算法中的矩阵求伪逆运算效率非常低、奇异值分解SVD不仅耗时而且占用内存较大，常导致“超出内存”问题。针对上述问题本课题提出了基于矩阵shelesky分解和近似奇异值分解SVD的稀疏K-SVD噪声抑制方法来对自然图像进行噪声抑制，同时在字典训练过程中结合了“全局训练字典”的普适性，该方法有效的提高了K-SVD算法的运行效率、解决了“超出内存”问题，并且提高了去噪效果。

关联规则学习是一种发现有趣在大型数据库中的变量之间的关系的最受欢迎的和深入研究的方法。它旨在找出强规则发现在使用不同的措施，度的数据库中。

C++链表操作，从创建一个链表到对链表的增删改查，适合初学算法的朋友学习参考，转自别处，对其进行了一些修改。

采用有限元法计算半导体的带隙结构和波函数。-using the finite element method to calculate the bandgap semiconductor structure and the wave function.

Fortran 90

monte carlo方法在各个方面中的小应用-monte carlo method in all aspects of small applications

c#,学习c#的比较较好的资料，拥有丰富的例子及详细的讲解，例子中对每一个步骤进行了详细的注解，以及详细的操作步骤，可帮助 广大学者进行c#语言的学习以及提升自身的知识。