中值滤波算法，利用intel的mmx技术，速度比普通快上几十倍

应用背景四轴飞控代码四轴飞控代码四轴飞控代码四轴飞控代码四轴飞控代码四轴飞控代码四轴飞控代码四轴飞控代码四轴飞控代码四轴飞控代码四轴飞控代码四轴飞控代码四轴飞控代码四轴飞控代码关键技术卡尔曼滤波卡尔曼滤波卡尔曼滤波卡尔曼滤波卡尔曼滤波卡尔曼滤波卡尔曼滤波卡尔曼滤波卡尔曼滤波卡尔曼滤波卡尔曼滤波卡尔曼滤波卡尔曼滤波卡尔曼滤波卡尔曼滤波卡尔曼滤波卡尔曼滤波卡尔曼滤波卡尔曼滤波卡尔曼滤波卡尔曼滤波卡尔曼滤波卡尔曼滤波卡尔曼滤波卡尔曼滤波卡尔曼滤波卡尔曼滤波

一个很好的分子动力学程序，它提供了很多命令语句供用户进行建模和计算。-a good molecular dynamics procedure, it provides a lot of orders for users statement modeling and calculation.

应用背景本文提出了一种技术自主设计和仿真的改进的体系结构进位保存加法器。这种体系结构被证明产生的结果，除了快速和需要的最低数量的逻辑大门。二进制加法是由一系列的异或运算进行，和移位左操作。这些操作被终止与完成信号表明了加法的结果。因为移位运算的数目进行的变化从0到n的n个加数，行为模型中的所有可能有2到15位加数的应用。推导了数学模型从数据和用于预测标准二进制的移位所需的平均数数字，如32，64或128位。4原型这个加法器的设计与仿真在同步和异步模式的操作。并；关键技术进位加法器，同步加法器，异步加法器

这是一个用VB编的九九乘法表。很好用！-This is a VB series Jiujiuchengfabiao. With good!

可以识别图片中火焰区域，目前支持jpg和bmp格式图片。主要根据火焰的颜色来识别，同时结合火焰的边缘轮廓特征。对于视频中的火焰识别，已经在界面中添加了接口，后续还需要完善，识别的算法是一样的，需要解析视频后，将每一帧作为一个单独的图片来识别

代码模型中的温度分布薄板由离散化的热传导方程。雅可比和高斯-赛德尔迭代方法用于获取解决方案。

匹配滤波的MATLAB实现，用于随机信号处理的算法演示！-matched filtering of MATLAB for random signal processing algorithm demo!

该程序对采集标本的物性（电阻率，密度，磁化率）在各样本区间出现的累积频率进行统计。 1.首先输入样本组数NY，即你想将该物性样本分为几组。 2.然后输入文件FILEIN内容为某一特定标本的特定物性，格式为一维列向量。 3.程序读入文件后，先对数据进行排序，然后计算出分组的组距DATAA1，如果DATAA1小数点太多，可自行输入修正组距DATAA。例如DATAA1为0.9476554321时，不直观，可将修正组距DATAA设为0.95。 4.进行累计概率计算。 5.输出文件FILEOUTbln有两个参数，组距坐标x，累计概率PFREQ。

采用NLJ随机搜索的方法辨识一个以状态方法表示的非线性系统。选其初值 a1(0) =50 , a2(0) =100 , a3(0) =100 , a4(0) =50 , a5(0) =10 , 选范围为 r(1)(i)=0.5 a(0)(i) , 取数据长度 L ＝40, t =0.005 , 性能指标 J＝ 。迭代计算结果得 a 的估计值 1=17.6043243, 1=17.5977, 2=72.9573, 3=51.3014, 4=22.9889, 5=5.99965, J = 0.000000916 。-Using NLJ random search method to identify a method that the state of the nonlinear system. Election of its initial value a1 (0) = 50, a2 (0) = 100, a3 (0) = 100, a4 (0) = 50, a5 (0) = 10, choose the range of r (1) (i) = 0.5 a (0) (i), check data length L = 40, t = 0.005, performance index J =. Iterative calculation results have a estimated value of 1 = 17.6043243, 1 = 17.5977, 2 = 72.9573, 3 = 51.3014, 4 = 22.9889, 5 = 5.99965, J = 0.000000916.

资源描述// MissSVM.h: interface for the MissSVM class. // ////////////////////////////////////////////////////////////////////// // Reference: Z.-H. Zhou and J.-M. Xu. On the relation between multi- // instance learning and semi-supervised learning. In: Proceedings of // the 24th International Conference on Machine Learning (ICML"07), // Corvallis, OR, 2007. //////////////////////////////////////////////////////////////////////