用vc++和OpenGL实现三维地形实时动态显示

资源描述 svpwm的核心算法部分，可以借此扩展出自己的FOC算法

关于数学组合题的解法.用模板类+回归函数实现,思路简单清晰.这是我在索贝数码公司时接到的一道应聘题.含有算法描述文档.-on mathematical solution to the problem of portfolio. Template function to achieve the reunification category, the thinking is clear and simple. This is the closest digital received by the company and that a candidate. Documents containing algorithm description.

皇后问题：在N*N的方格里放置皇后，要求不能放在同一行、同一列、同一对角线上。输入所有适合条件的情况。-Queen : N* N in the box, placed the empress, on the request can not be the same line, the same series on the same diagonal. The importation of all suitable conditions.

一个VB小程序,能够进行大数的计算,可以作为学习的参考-a small procedure to carry out large numbers of calculation can be used as reference for the study

应用背景将函数f(x)近似的表达为：   叫作函数的pade近似，Matlab中没有直接提供相关函数， 关键技术但是我们可以根据原理，比较容易的写出Matlab代码： 比如需要将f(x)=exp(-2*x)展开成有理多项式，进行pade近似，根据下面提供的padefcn()函数，我们可以轻松的实现

最优潮流计算程序（使用电力系统专业，属于非线性规划问题）．-optimal power flow calculation procedure (using power systems professional, is Nonlinear Programming).

资源描述写一个简单的Hough特征检测器，可以检测输入图像中的任意大小的圆。

插入排序，堆排序，快速排序，归并排序的java实现。没有做泛型，而且内部实现是对一个给定的数组做这些排序。

TF-IDF（term frequency–inverse document frequency）是一种用于资讯检索与资讯探勘的常用加权技术, TFIDF的主要思想是：如果某个词或短语在一篇文章中出现的频率TF高，并且在其他文章中很少出现，则认为此词或者短语具有很好的类别区分能力，适合用来分类。TFIDF实际上是：TF * IDF，TF词频(Term Frequency)，IDF反文档频率(Inverse Document Frequency)。TF表示词条在文档d中出现的频率。IDF的主要思想是：如果包含词条t的文档越少，也就是n越小，IDF越大，则说明词条t具有很好的类别区分能力。如果某一类文档C中包含词条t的文档数为m，而其它类包含t的文档总数为k，显然所有包含t的文档数n=m + k，当m大的时候，n也大，按照IDF公式得到的IDF的值会小，就说明该词条t类别区分能力不强。但是实际上，如果一个词条在一个类的文档中频繁出现，则说明该词条能够很好代表这个类的文本的特征，这样的词条应该给它们赋予较高的权重，并选来作为该类文本的特征词以区别与其它类文档。这就是IDF的不足之处。

冒泡排序（Bubble Sort），是一种计算机科学领域的较简单的排序算法。它重复地走访过要排序的数列，一次比较两个元素，如果他们的顺序错误就把他们交换过来。走访数列的工作是重复地进行直到没有再需要交换，也就是说该数列已经排序完成。