用matlab求解的一个Lagrange插值多项式问题

一种经典的频繁子树挖掘算法，里面包含一个执行文件gSpan和两个graph实验数据文件，还有一个使用说明文件readme. 运行环境是Linux。 首先解压文件gSpan6.tar.gz,然后进入加压后文件，按照说明运行命令即可

a 3x3 matrix multiplication

以我的近似 = 积分 ((F (X) DX)) 窗体 A 到 B 到内 给定的公差 TOL： 输入： 终结点 A、 B ；容忍 TOL 限制 N 到的级别数 输出： 逼近 APP 或 A 邮件那 N 是超过了。

改代码是由python编写的，实现了机器学习中最常用的、最简单的最邻近算法（KNN）。其中，附带有验证用的数据集，可以验证算法的效果。

自己编写的子集和问题的源代码，绝对可以运行-I have written and the issue of a subset of the source code can run

用一观测器从t=1秒开始对一个运动目标的距离进行连续地跟踪测量，假设观测的间隔为一秒钟，雷达到运动目标之间的距离为S(t)（1） 统计特性的初值为 （2）观测误差是与和均不相关的白噪声序列，并且有 （3）观测数据存放在附加的文件中（单位：m）。 要求：分析上述对象，建立系统模型，构造卡尔曼滤波器，编程计算，求： （1） 距离S(t)的最佳估计及估计误差， （2） 距离S(t-5)的最佳平滑及估计误差， （3） 距离S(t+5)的最佳预测及估计误差， （4） 对结果进行分析讨论。 -By one observer from the t = 1 PST on a moving target tracking for distance measurement, assuming that the observation interval is one second, the radar that the distance between the moving target for the S (t) (1) the statistical characteristics of the initial condition (2) observational error is not associated with white noise sequence, and (3) observational data stored in the attached document (unit: m). Requirements: Analysis of the above-mentioned object, the establishment of the system model, constructed Kalman filter, programming terms, seeking: (1) distance from S (t) the best estimate and the estimation error, (2) distance from S (t-5) the most good smoothing and estimation error, (3) distance from S (t+ 5) t

快速傅立叶变换,很多有参考价值的代码.快下载-Fast Fourier Transform, many have reference value to the code. Fast download

《python编程金典》书中，所有例子的源代码，可以作为学习本书很好的帮助。

实现DBSCAN聚类算法采用C＃ 数据挖掘中聚类算法,基于密度聚类的代表算法,dbscan。程序并不太难,方便大家学习。有三个文件，簇聚类的类datapoint-点的类clusteranalysis-以及聚类分析类

数值处理算法源代码-numerical algorithm source code