contorl panel file demo

资源描述金山词霸组件屏幕取词源码。C#源码，可用，XP，win7都能运行。

C语言实现追赶法 可方便三对角线矩阵的运算-C language to catch up with the law will facilitate the three diagonal matrix arithmetic

vb中多个控件的应用和后台数据库的连接-vb control multiple applications and background database connectivity

用c语言编写的k均值算法-prepared by the k-means Algorithm

一个日志的实现，可以以文件大小分单位进行分开记录日志。有很好的参考学习价值。-The realization of a log, you can document the size of sub-units recorded separately from the log. Have a good reference for learning value.

利用MFC编程在对话框中实现数字时钟的显示，对界面编程有一定的参考作用-Programming using MFC dialog implementation in the digital clock display, the programming interface of some reference value

动态连接库演示制作-DLL produced demo

最优二叉树及编码，能够实现给出一组频率构造最优二叉树且求出其编码，在通讯中具有很好的作用。-optimal binary tree and coding, to achieve a given frequency Construction Group optimal binary tree can get its coding, the newsletter has a very good role.

应用背景基于图形的物体跟踪是一个重要的计算机视觉科学的分支，是适用于这两个行业和其他方面。图像跟踪方法大致分为2个主类别：概率跟踪和确定跟踪。概率跟踪方法已成为占主导地位，由于其稳定和强大的性能。卡尔曼滤波器和粒子滤波是它们的经典代表。卡尔曼过滤器对系统模型和后验分布有严格的限制因此，仅仅是能够处理线性，高斯和单模态情况。然而，在图像跟踪应用程序，后密度是往往是非线性的，非高斯和多模态，从而应用卡尔曼滤波器是有限的。不同于卡尔曼滤波，粒子滤波因为它的维护能力，在跟踪领域有了很大的发展状态的多模态分布和噪声的鲁棒性。本文主要讨论了粒子滤波在图像跟踪中的应用一系列理论基础，并实现了一个简单的自适应粒子滤波。关键技术计算机视觉科学中的基于图像的目标追踪是一个重要的分支，无论是在工业界还是在其他领域都有非常广泛的应用。图像跟踪方法大致可分为两大类概率跟踪方法和确定性跟踪方法。概率跟踪方法由于性能稳定、可靠，已经成为图像跟踪的主流方法。卡尔曼滤波聚类方法和粒子滤波方法就是这类方法的典型代表。卡尔曼滤波聚类方法对系统模型和后验概率有很高的要求和严格限制，只能处理线性，高斯，单模态的情况，而在图像跟踪应用中，后验概率的分布往往是非线性、非高斯、多模态的，因此卡尔曼滤波聚类方法的应用收到一定限制。与卡尔曼滤波聚类方法不同，粒子滤波对于系统模型没有特殊要求，而且能够保持状态的多模态分布，不易受杂波的影响，在跟踪领域得到了很大发展。本文主要探讨粒子滤波算法在图像跟踪当中的应用，它的一系列理论基础，以及实现了一个简单的自适应粒子滤波算法。

echo off Optimization Toolbox%%教程优化工具箱的简明指南。%版权（C）1990～98年由MathWorksInc.基于数据（x，y）的线性插值是席益.%的结果“非扭结”端点，即强迫第一、二次多项式系数相同的三项，最后一节的第三和倒数第二段的系数相同。样条%pp=（x，y）返回样条插值多项式子段（pp形式）结构。对于节点的断裂，COEF的多项式系数为y= PPVAL（PP，席）席PP的函数形式。