基于MFC的c++基础矩阵的计算

编译原理课程设计java版源代码，有运算符优先算法、DFA、LL1、LR

编写程序用牛顿迭代法求解下面的非线性方程组：例如 x1 = 0.7 sin(x1) + 0.2 cos(x2); x2 = 0.7 cos(x1)- 0.2 sin(x2);

用c++编的进程调度算法-With c++ Made the process of scheduling algorithm

搜索算法部分使用minmax递归，alphabeta剪枝，初期和中期搜索6层，最后部分搜索15层。评估算法主要是最小行动力，加以位置值的相关判断- The search algorithm partially uses the minmax recursion, the alphabeta pruning, the initial period and the intermediate stage searches 6, finally partially searches 15. Appraised the algorithm mainly is the smallest good power, performs the position value the correlation to judge

particle filter using SIR

#包括；

一个用穷举法计算水仙数的小程序，效率不算好，望高人指点-Narcissus by an exhaustive method to calculate the number of small programs, efficiency is not good, hope receive adequate guidance

1．简介 本程序是用纯C语言编的一个基于菜单命令行的数据库系统。可以创建多个数据库，数据库表，字段。其中字段的类型只能为整形，浮点型，字符型和字符串型（最大长度确定，不能改变）。 2．功能 a)数据库存储： 一个数据库存储于一个文件中，打开文件将数据库载入到内存。 保存时将内存中数据重新写到文件中去。 b)数据库管理： 提供数据库的创建，表的创建，字段的创建 提供对数据的查询，删除，修改，排序功能 c)支持SQL部分语句： 支持SELECT 和DELETE语句-1. Introduction of this program is pure C language based on a series of menu command-line database system. You can create multiple databases, database tables, fields. The type field which can only plastic, floating point, character and string (maximum length and can not be changed). 2. A function) database storage : a database stored in a document, the document will open the database to include memory. When will preserve memory data re-wrote a document. B) database management : to provide database creation, table creation, the field for the creation of data inquiries, delete, modify, sequencing feature c) some support SQL statement : support DELETE and SELECT statements

本文实现了C4.5的算法，在ID3的基础上计算信息增益，从而更加准确的反应信息量。其实通俗的说就是构建一棵加权的最短路径Haffman树，让权值最大的节点为父节点。ID3算法：ID3算法的核心是：在决策树各级结点上选择属性时，用信息增益（information gain）作为属性的选择标准，以使得在每一个非叶结点进行测试时，能获得关于被测试记录最大的类别信息。其具体方法是：检测所有的属性，选择信息增益最大的属性产生决策树结点，由该属性的不同取值建立分支，再对各分支的子集递归调用该方法建立决策树结点的分支，直到所有子集仅包含同一类别的数据为止。最后得到一棵决策树，它可以用来对新的样本进行分类。

《优化设计》这门课程中的优化方法的作业，代码思路清晰，运行后没问题。包括，powell法，共轭梯度法，牛顿法，阻尼牛顿法，单纯形法，变尺度法等等。梯度法在第二个目标函数优化时并没有达到理想的点，陷入局部最优，阻尼牛顿法在第二个目标 函数处也精度不高。 用共轭梯度法配合牛顿法一维搜索来第二个目标函数时出现了 NaN 的情况， 是因为牛顿法的代码中运行时出现了分母为0的情况， 但是我在分母加了一个很小的数0.000001之后还会出 现，而已开始用变尺度法和牛顿法优化的时候也出现的 NaN 问题就消失了