道格拉斯算法

应用背景CN24是一个完整的语义分割框架充分利用卷积网络。它支持多种平台（Linux，MAC OS X和Windows）和库（OpenCL，英特尔，AMD aCML……）同时提供免费的参考实现的依赖。软件开发的计算机视觉组和在耶那大学。关键技术完全卷积网络的语义分割框架设计的像素明智的标签和语义分割，（火车和测试你自己的网络！）适用于各种应用程序和，在与驱动辅助系统，场景理解，遥感，生物医学图像处理等多支持OpenCL  ；不仅适用于NVIDIA GPU高性能实现的，最小的依赖关系和其他库

层次分析法，用于综合决策。附有方法说明。程序是自己写的，已验证，可用-Analytic Hierarchy Process for integrated decision-making. With a description. Procedure is to write their own, and has been verified, can be used

好好学习，天天向上，但愿能够帮到你们。这里是mp3编解码算法，及其一些原理图。很详细的，你一定好好研究，才能明白的哦。

应用背景音视频编码音视频编码音视频编码音视频编码音视频编码关键技术多媒体处理多媒体处理多媒体处理多媒体处理多媒体处理多媒体处理

全元主高斯－约当法消去法求线形代数方程的解-Quan-yuan main Gauss- Jordan method elimination method for linear algebraic equations

源码包包含两个文件，一个用于生成分类回归树，另一个用于画分类回归树的图例。使用时，只需调用cart.py。该代码能够实现未剪枝的分类回归树和剪枝的回归树。另外，该算法能同时以图的形式显示一颗分类回归树。

产生N（0,1）高斯白噪声序列，最常见的方法是极坐标法，其计算步骤如下所示： （1）    产生两个独立同分布的随机序列（0,1），U1，

1986 年 Canny 在麻省理工的硕士论文中提出了 Canny 边缘检测算子[10]。Canny算子是一个具有滤波、增强以及检测的多阶段优化算子，它具有很好的边缘检测的性能。得到了越来越广泛的应用。 Canny 考查了以前的边缘检测算子和边缘检测的应用，发现尽管这些算子的应用出现在了不同的领域中，但是他们都有一些共同的要求：[3] （1）好的检测效果，也就是说对边缘的错误检测要尽可能的低：在图像的边缘出现的地方检测结果中必须有，而且不能出现虚假边缘。在所有使用边缘检测做更深入的研究工作的系统中，它的性能都依赖于边缘检测的误差。 （2）对边缘的定位要准确：标记出来的边缘位置要和图像的真正边缘的中心位置充分的接近。 （3）对同一个边缘要有低的响应次数。即单个边缘产生多个响应的概率要尽可能的低，而且对虚假边缘的响应要尽可能的抑制。 这就是 Canny 提出来的三准则。他是第一个明确的提出这三条准则并且完整的解决了这三个问题的人。他将上述原则用数学表达式表示出来，然后利用优化理论得到最优边缘检测的模板。 Canny 算子实现检测边缘的步骤如下： （1） 用高斯滤波器平滑图像。 （2） 计算平滑后的图像的梯度幅值和方向。 （3） 对梯度幅值采用非极大值抑制，其过程为找出图像梯度中的局部极大值点，把其他非极大值点置零而得到细化的边缘。 （4）用双阈值算法检测和连接边缘 

这是一个用c语言写的特定人的词语识别系统。此系统由于写的比较早，因此在语音识别过程中使用的语音特征是LPCC。而不是现在比较流行的MFCC特征。此程序也是我从网上找的，里面有作者的信息。此系统主要是用于科研实验而编写的一个语音识别系统，不能作为企业的产品。

该文件是自己在做点阵汉字字体变换时所写的函数，主要包括整数放大，倾斜，加粗，颠倒，镜像和旋转操作。