C#,IBS,BEAr

数据结构非常经典的练习题，里面有1800道习题，其中有各种算法的习题、还有代码可以练习，可以供学习者学习参考，对于将来工作笔试都有一定的帮助作用。

用龙贝格算法计算sinx 在的积分-with Romberg algorithm in the integral sinx

一个最基本的二维传热有限元计算程序,适合初学者参考-A basic two-dimensional heat transfer finite element program, suitable for beginners reference

应用背景这是为专用路径保护连接的路由和波长分配应用的普通版。关键技术这种启发式的实现基于networkx Python库。它需要一个输入文件（src，dst需求、交通）和数据文件（在本例中的位置）

SIFT算法是一种提取局部特征的算法，在尺度空间寻找极值点，提取位置，尺度，旋转不变量,匹配能力较强，可以处理两幅图像之间发生平移、旋转、仿射变换情况下的匹配问题，甚至在某种程度上对任意角度拍摄的图像也具备较为稳定的特征匹配能力。对图像平移、旋转、缩放、甚至仿射变换保持不变性的图像局部特征，以及基于该特征的描述符.

资源描述FP-growth算法是一个程序来发现频繁项集（关闭和最大以及发电机）与FP-growth算法（频繁模式增长[韩等。2000），表示事务数据库的前缀树，这是加强与链接，组织节点到列表中指同一项目。搜索是通过突出的前缀进行的树，递归地工作结果，并修剪原始树。实施还支持封闭和过滤最大项目集有条件项集库在[ 2003 ]格兰恩和朱，虽然在程序中使用的方法不同于它采用自顶向下的前缀树而不是FP树。它不包括FP树的巧妙的实现两个整数数组作为[ 2004 ] rasz建议。自版本与6上面所用的程序也可以用来查找关联规则。

c语言写得一阶有限元的通用程序，很实用的。-c language written in the first-order finite element of the general program, it is practical.

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。

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；

多维数组（二维以下和数组）在内存中也是按顺序存放的，因此也可以用这种方式传递。但是，如果要确切知道每个元素在数组中的位置，就应给出各维的最大索引值-multi-dimensional arrays (two-dimensional array and below) in memory is stored sequentially, so you can pass this way. However, if we know exactly each element in the array position, it should be given the largest peacekeeping index