广义的互相提取时延算法开源码

string tokeniser using c language

使用卡尔曼滤波器对物体的未来状态进行预测和估计。(Using the kalman filter to predict the station of the object.)

关于2001年Tony F. Chan, Member, IEEE, and Luminita A. Vese的文献《Active Contours Without Edges》相关代码，可运行通过

(有源代码)数值分析作业,本文主要包括两个部分,第一部分是常微分方程(ODE)的三个实验题,第二部分是有关的拓展讨论,包括高阶常微分的求解和边值问题的求解(BVP).文中的算法和算例都是基于Matlab计算的.ODE问题从刚性(STIFFNESS)来看分为非刚性的问题和刚性的问题,刚性问题(如大系数的VDP方程)用通常的方法如ODE45来求解,效率会很低,用ODE15S等,则效率会高多了.而通常的非刚性问题,用ODE45来求解会有很好的效果.从阶次来看可以分为高阶微分方程和一阶常微分方程,高阶的微分方程一般可以化为状态空间(STATE SPACE)的低阶微分方程来求解.从微分方程的性态看来,主要是微分方程式一阶导系数大的时候,步长应该选得响应的小些.或者如果问题的性态不是太好估计的话,用较小的步长是比较好的,此外的话Adams多步法在小步长的时候效率比R-K(RUNGE-KUTTA)方法要好些,而精度也高些,但是稳定区间要小些.从初值和边值来看,也是显著的不同的.此外对于非线性常微分方程还有打靶法,胞映射方法等.而对于微分方程稳定性的研究,则诸如相平面图等也是不可缺少的工具.值得提出的是,除了用ode系类函数外,用simulink等等模块图来求解微分方程也是一种非常不错的方法,甚至是更有优势的方法(在应用的角度来说).((Source code) numerical analysis homework, this docment includes two parts, the first is ordinary differential equations (ODE) of the three examples, the second part is about the expansion of the discussion, including the higher-order ordinary differential & boundary value solution Problems (BVP). the text of the algorithm and numerical examples are based on the Matlab. ODE from the rigid (STIFFNESS) look into the issue of non-rigid and rigid problem, rigid problems (such as large coefficient VDP equation) such as using the always method ODE45 used to solve the problems , efficiency will be low, with ODE15S the other hand, many of the high efficiency. and the usual problem of non-rigid, there will be used to solve ODE45 very good results. Judging from the order can be for high-order differential equations and first-order ordinary differential equations, higher-order differential equations can be transformed into a general state space (STATE SPACE) used to solve the low-order different)

说明：  关于MATLAB能量检测频谱感知算法的研究代码(MATLAB energy detection on spectrum sensing algorithm code)

基于支持向量机的模式识别程序，可以实现2分类(Based on SVM pattern recognition program, you can achieve 2 classification)

这个里面详细讲解了关于克里金插值的内容。学习克里金插值必备-Which explain in detail the Kriging interpolation on the content. Essential learning Kriging

用（7,4）线性分组码为例，采用和积算法进行译码。和BPSK译码进行对比，得出结论。用和积算法进行译码，在信噪比较低的情况下，和积算法译码不如未编码译码。当信噪比超过6dB左右时，译码效果好于未编码译码

包括埃米特插值函数，雅克比迭代法，牛顿迭代算法，赛德尔迭代算法，二分法，松弛迭代算法等的具体实现过程

QR 分解 （包括Householer, Givens, 经典Gram Schmidt, 修正的GS methods)(QR factorization including Householer, Givens, CGS, MGS)