袁亚湘与孙文渝合写的《最优化理论与算法》，个人认为本书非常经典。...

应用背景  51单片机的必敲程序之一，通过使用2.4G模块和DS18B20可以学习到单总线通信和SPI通信，由浅入深地学习51单片机  关键技术通过DS18B20采集温度数据，然后经过2.4G模块发送到主机显示温度值

Lifitime tracer. *** *** *** *** *** *** *** *** ***** Example: #include void foo() { TRACE_LIFETIME usleep(100000) } void main() { foo() } *** *** *** *** *** *** *** *** *** See lifetimes.log: FUNC: void foo(), AV TTL: 00000xxxxx us (main.cpp, 000xxx) TTL: 00000xxxxx us (THREAD ID: 0000xxxx) ****************************************************** Explanation of newly created lifetimes.log: FUNC - function, whose lifetime we measured AV TTL - mean (average) spent time of all functions calls TTL - time spent on each function call THREAD ID - thread that called a function. ***************************************************** Description: - was written for QT project - multithreaded support (Loki::Singleton has multithreaded sync support) **************************************************** Dependencies: - QT - Loki (A. Alexandrescu) -Lifitime tracer. ****************************************************

给定1个1000行×20列的0-1矩阵，对于该矩阵的任意1列，其中值为1的元素的数量不超过10%。设有两个非空集合A和B，每个集合由矩阵的若干列组成。集合A和B互斥是指对于矩阵的任意一行，同时满足下列2个条件：1）若A中有一个或多个元素在这一行上的值是1，则B中的元素在这一行全部是0；2）若B中有一个或多个元素在这一行上的值是1，则A中的元素在这一行全部是0。请你设计一个算法，找出集合A、B和C，满足：1）A、B、C两两互斥，且2）A、B和C包含的列的总数最大。

大多数算法用于跟踪视频中的对象由两个部分组成： 被跟踪对象的动力学模型和它的外观模型。外观模型是经常跟踪，也许从训练图像之前建造，然后用作-时，跟踪测试序列。 如果测试序列中不包含的对象或照明条件下，不确切地匹配那些训练数据的外观吗？通常情况下，追踪与固定的外观模型将在这些情况下表现不佳。 在这个项目中不能使用期间跟踪增量改进目标的子空间外观模型来提供了新的外观信息。这种算法的关键是一种新的增量算法为 PCA，允许高效的子空间更新。

资源描述jsr 184 opengl 3d 实现。基于软件实现。无需硬件支持。已经优化了。

边缘提取是图像处理的基础工作，如何精确有效地提取边缘是图像处理领域相关学者讨论的热点问题，由此产生的各种边缘检测方法层出不穷并且得到了很好的应用，但这些方法都无法达到人眼识别物体边缘的精确程度

包括 Pascal BDiff 和 BPatch 的一些标准 C 库代码的实现。很好。享受

利用VB进行FFT（快速傅立叶）变换。-use VB FFT (Fast Fourier) transformation.

应用背景小目标检测在大量的实际项目中扮演着关键的角色，如红外警戒和防御警戒，不仅精度是必要的，但也需要鲁棒性。在本文中，作者 ；提出了一种鲁棒的红外小目标检测的灵感来自一个小目标与背景之间的人眼视觉效果的DSBM。关键技术作者提出这个问题作为突出区域检测，这是由一个小目标的事实，可以吸引人的眼睛在红外图像的事实的启发。这种视觉效果产生的差异，一个小目标类似于各向同性高斯形状由于远距离热成像系统的光学系统的点扩散函数，而背景杂波通常是局部取向。基于这一观察，提出了一种新的鲁棒方向显着性为基础的方法，将视觉注意理论的红外小目标检测；