c# kalman 滤波

人工智能作业，专家系统实现的水果分类小专家系统。-Artificial intelligence operation, expert system classification of fruit a small expert system.

图像去抖源代码，C++编写，基于opencv 可通过摄像头，或者读取视频的方式获得视频。通过调试，可直接使用。

针对Anderson教材第七章相关章节（7.3&7.4）书写的Fortran程序，和书本上的结果进行了对比，程序运行正确。使用最新的Fortran语法书写，方便阅读；

非恒定渗流计算程序（包括数值解和解析解的程序fortran语言）-unsteady flow calculation procedures (including numerical solution of the analytical solutions and procedures FORTRAN language)

关联分析频繁模式挖掘Apriori、FP-Growth及Eclat算法的JAVA及C++实现。三种算法实现的完整源码工程、源文件、PPT、测试数据及输出示例 ,包括Apriori、FP-Growth及Eclat三种算法的频繁模式挖掘源程序

基于C#语言开发的数据转换，将Exele数据转换成.shp数据,在转换的过程中，需要将X/Y两坐标的位置互换。

这个项目包含了CPP解决了2D-maxima的问题，你可以输入一个数组，这意味着一个SERIS离散点，一发现日最高点的2-D合作。    OFEN使用的agorithems是蛮力和分块，agorithem使用快速排序，从而让即将举办的x坐标点，用途比较y中两neiborhood点从位置后方前面。和agorithem的时间compexity是n日志（n）的。

这是一道警示题：题目要求：输入11001                                                111                                              10011                                        输出1101                                               11                                               1011 长度不超过6位 最好采用数据结构写           

这是数据挖掘算法，基于FP-tree。适用于静态数据库中频繁项的挖掘。需要扫描两次数据库。并且不会产生候选项集。较Apriori算法效率较高。

这段代码来自电脑视觉纸，这是完美的 ！摘要本文： 许多计算机视觉任务可以制定作为标签的问题。所需的解决方案是经常空间平滑的标签标签转换与输入图像的颜色边缘的对齐位置。我们表明这种解决方案可以通过用一个非常快速的边缘保持滤波器平滑标签成本高效率地实现。在本文中，我们提出了泛型和简单的框架，包括三个步骤： 1） 构建成本卷，2） 快成本卷过滤和 3） 胜者全拿标签选择。我们主要的贡献是展示提供了一个简单的框架，可以为几个计算机视觉应用取得先进的结果。希望我们达到 1) 视差图 2） 光流场，其中包含极精细的结构，以及大的位移和实时的质量超出那些明德立体基准测试中，所有其他快速 （本地） 方法。为了演示的鲁棒性，我们的框架的几个参数是设置为两个应用程序几乎相同值。同时，提出了一种竞争性的交互式图像分割结果。这项工作，我们希望鼓励其他研究人员利用这一框架到其他应用领域。