xilinx里的乘法器ip核程序，booth乘法 wallace tree算法 4

对数组进行排序.rar 对一组随机数据进行从大到小，或者从小到大的排序。并显示到窗体中。

应用背景在各种计算机视觉系统中，边缘检测，特别是步进边缘检测已经得到了广泛的应用，它是从不同的视觉对象中提取有用结构信息的重要技术，大大减少了数据的处理量。精明的发现，对于不同的视觉系统的图像边缘检测中的应用的要求也相对同。因此，开发的边缘检测解决方案，以解决这些要求，可以实现在很宽的范围内的情况。边缘检测的一般标准包括：1 -检测的边缘与低的错误率，这意味着，该检测应准确捕捉尽可能多的图像中所示的边缘。2 -边缘检测的边缘点，应准确定位中心的边缘。3 -一个给定的图像中的边缘应该只有一次，并在可能的情况下，图像噪声不应该创建假边缘。关键技术Canny边缘检测算法的过程可以分解为5个不同的步骤：1 -应用高斯滤波器平滑图像，以消除噪声2 -找到图像的强度梯度3 -应用非最大抑制消除杂散响应边缘检测4 -应用双阈值，以确定潜在的边缘5 -轨道边缘的滞后：通过抑制所有其他边缘弱，没有连接到强大的边缘检测的边缘。

基于遗传算法以TSP中的中国旅行商问题为例进行求解，采用轮盘赌、顺序交叉、反转变异方式实现算法涉及的选择、交叉、变异策略，利用C++语言编码进行仿真实验，验证本文所设计算法的正确性和可行性.

dddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddd

这一项目是关于光学 ofdm 系统与 optisystem ；项目描述中长途交流光学 ofdm 系统

使用C++实现的Graham扫描法（求解凸包问题），可设置生成随机点的个数、样式，同时支持设置显示范围、显示算法处理时间及使用文件导入导出点等功能。（文件格式为，头四个字节是点的个数，以后分别是各个点的x坐标和y坐标，每个数值均占4字节）。-The use of C++ Realize the Graham scan method (for solving convex hull problems), can be set to generate a random number of points, patterns, and at the same time to support the set display range, display algorithm processing time and the use of document features such as import and export points. (File format for the first four bytes is the number of points, after all points are x coordinates and y coordinates, each account for 4-byte value).

雅可比迭代等一些程序-Jacobi iterative procedures such as

qr码是一种二维条码. 本源码中包含了完整的编码、解码以及测试程序. 多份代码可供选择.-qr code is a two-dimensional bar code. The source code contains a complete encoding, decoding, as well as testing procedures. more than the code to choose from.

此程序为2011年研究生数学建模试题的解答。程序中用到了Floyd算法，遗传算法，很好的解决了该问题。

模式识别与智能计算-Matlab技术实现  PDF+光盘资料本书广泛吸取统计学、神经网络、数据挖掘、机器学习、人工智能、群智能计算等学科的先进思想和理论，将其应用到模式识别领域中；以一种新的体系，系统、全面地介绍模式识别的理论、方法及应用。全书共分为13章，内容包括：模式识别概述，特征的选择与提取，模式相似性测度，贝叶斯分类器设计，判别函数分类器设计，神经网络分类器设计（BP神经网络、径向基函数冲经网络、自组织竞争神经网络、慨率神经网络、对向传播神经网络、反馈型神经网络），决策树分类器，粗糙集分类器，聚类分析，模糊聚类分析，遗传算法聚类分析，蚁群算法聚类分析，粒子群算法聚类分析。本书内容新颖，实用性强，理论与实际应用密切结合，以手写数字识别为应用实例，介绍理论运用于实践的实现步骤及相应的Matlab代码，为广大研究工作者和工程技术人员对相关理论的应用提供借鉴。本书可作为高等院校计算机工程、信息工程、生物医学工程、智能机器人学、工业自动化、模式识别等学科本科生、研究生的教材或教学参考书，亦可供相关工程技术人员参考。