genetic algorithm combined with neural networks, in the hope of a brighter guida...

此文件为C语言编写的随机数产生算法-this document for the preparation of the C language Random Number Generation

MATLAB6.0数学手册-coefficients Mathematics Handbook

符号积分法，有中文注释，大家试试，供参考学习~-Symbolic integration, notes in Chinese, we try, for reference to learn ~

用幂法求矩阵的特征值，求出来的是矩阵最大的特征和对应的特征向量。-method for using the power of the matrix eigenvalue, seeking the Matrix is the biggest character and the corresponding eigenvector.

用蒙特卡洛方法，求解出y=cos(x)/x在给定区间上的定积分值。-By Monte Carlo method, the y = cos (x)/x in a given interval on the value of the definite integral.

应用背景  51单片机的必敲程序之一，通过使用ADC可以学习到数模转换，由浅入深地学习51单片机  关键技术通过数模转换，实现对脉搏的频率的转换，由一个LED来显示脉搏频率

资源描述%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%；&；&；&；&；；；；；；；；；；；；；；；；；；；

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。

样条曲线拟合,以简单的有理样条曲线的拟合方式，最后根据算法原理，最终需要实现NURBS曲线的生成及反算

输入一个最大数字，随机数抽奖-importation of a maximum number of random draw