numerical method LU decomposition

基于无迹卡尔曼滤波的室内移动系统的性能强化，比较经典。-Unscented Kalman filter-based indoor mobile systems to strengthen performance, compare the classic.

遗传算法求最大值（任意多元高阶次寻优），在vc＋＋平台下开发

使用python编写的处理彩色图像的Meanshift 算法   需要安装python2.5以上  

以我的近似 = 积分 ((F (X) DX)) 窗体 A 到 B 到内 给定的公差 TOL： 输入： 终结点 A、 B ；容忍 TOL 限制 N 到的级别数 输出： 逼近 APP 或 A 邮件那 N 是超过了。

最佳 Shoutcast 流翻录可用的应用程序在 Visual Basic 的 PSC 之一。快速开膛手是能够连接到任何指定的 shoutcast 流和下载它-仅 MP3 数据、 没有污染的冰标记剩下-和录制它对 MP3 文件在磁盘上

《数字滤波与卡尔曼滤波》本人感觉写的比较好的卡尔曼滤波图书，- Digital Filter and Kalman Filter I feel better to write the Kalman filter books,

运算器部件的实现和功能 主要为学习计算机组成原理的同学 提供-computing components and functions of the realization of the main tenets of computer components provide students

CRF的工具包，实现原理，及样例。CRF(Conditional Random Field) 条件随机场是近几年自然语言处理领域常用的算法之一，常用于句法分析、命名实体识别、词性标注等。在我看来，CRF就像一个反向的隐马尔可夫模型(HMM)，两者都是用了马尔科夫链作为隐含变量的概率转移模型，只不过HMM使用隐含变量生成可观测状态，其生成概率有标注集统计得到，是一个生成模型；而CRF反过来通过可观测状态判别隐含变量，其概率亦通过标注集统计得来，是一个判别模型。由于两者模型主干相同，其能够应用的领域往往是重叠的，但在命名实体、句法分析等领域CRF更胜一筹。当然你并不必须学习HMM才能读懂CRF，但通常来说如果做自然语言处理，这两个模型应该都有了解。

计算两个向量间的欧氏距离，初始化聚类中心,参数设定默认值 -two vector calculation of Euclidean distance, initialize the cluster center, parameter set default values

数值计算,表达式求值, 如计算3 + 2 * ( 3 + 2) / 5 + 8 + Sin( pi() / 180 * 30 ) + 1 + 2 ^ 10, 可自定义函数, 采用递归算法-numerical calculation, in the expression evaluates, as calculated 3 2* (2)/5 8 Sin (pi ()/180* 30) 1 2 ^ 10,- defined functions using recursive algorithm