曲面拟合

SURF用于图像的匹配，将64维的特征点降维至32维，比SIFT具有更强的实时性。

一个用来进行分割的程序，是使用fm算法设计的分割VLSI电路的程序-used for a separate process, the use of fm segmentation algorithm design process for VLSI circuit

我们成立了这里的系统识别框架是相当一般。它并不单是我们向 linier 模型或二次型的标准或假定它自已可以描述模型内设置的系统。

#include #include #include #define LEN sizeof(struct stu) struct stu   {     long num;  char name[20];  char sex[10];  float China;  float Math;  float English;  float add_score;  float ave;  struct stu *next; };

GAsvm_fangzhen.m为spike仿真信号基于遗传算法一支持向量机分类的程序，工具箱gatbx[Sheffield]为sheffield大学的MATLAB遗传算法工具箱。

实习性 动态数组(第二版) 大量数据的管理是很多程序员的心病，很难找到一个速度快、效率高、支持超大规模数据的表动态数组是一个功能强大的列表形数据管理链表，利用它可以轻松实现超大数据量的随机插入、删除、修改等操作，它另外一个特点就是速度极快，内存利用率高。 -Practice of dynamic arrays (Second Edition) a large amount of data management is the heart of many programmers, it is difficult to find a fast, high efficiency, support for ultra-large-scale data table dynamic array is a powerful list of shape data management list using it can easily realize large amount of data random insert, delete, modify, such as operation, it is another feature of this approach is extremely fast, high memory utilization.

C#寻找素数 素数寻找问题由来已久，一直是一些数学家追求的目的。-C#-finding prime numbers to find a few long-standing problem, mathematicians have been some of the objective pursued.

用matlab编写的multiple-instance learning工具箱，实现了多种mil的算法，包括emdd, mi-svm, citation-knn等，同时支持不同的测试策略，如随机划分，leave-one-out，ten-fold-validation等，里面包含了libsvm的matlab实现，可以作为一个独立的算法使用。包中自带测试数据集，为标准的多示例数据集，通过扩展可以进行MIML的训练和测试任务。

DSP中输入信号的生成过程。 conio.cpp实现X(n)信号，其中有两个频率分量的正弦信号（正弦计算由sinwn.cpp实现），频率可变，这里取140Hz和70Hz。 考虑了高斯白噪声，由gauss.cpp实现。 最后该信号共产生2000个点，最后的信号点存储于 “x.txt”文本中。-DSP input signal generation process. Conio.cpp achieve X (n) signal, in which there are two components of the frequency sinusoidal signals (sine calculation sinwn.cpp achieved), variable frequency, here and frequencies from 140Hz. Consider a Gaussian white noise from gauss.cpp achieve. Finally, the signal generated 2,000 points, the final point signal storage in the "x.txt" text.

自己写的一个Bayes分类器的matlab程序，比较简单。 使用方法 >> [ train_x, train_y ] = readdata("train_data.txt" ); >> [ test_x, test_y ] = readdata("test_data.txt" ); >> [mode]=MyBayes_train( train_x, train_y); >> [ acurracy, predict_y]=MyBayes_test( test_x, test_y, mode);