简单的队列的实现

using System; using System.Drawing; using System.Collections; using System.ComponentModel; using System.Windows.Forms; using System.Data; using System.Runtime.InteropServices; using System.IO; namespace 计算器 { /// /// Form1 的摘要说明。 /// public class Form1 : System.Windows.Forms.Form { private System.Windows.Forms.TextBox textBox1; private System.Windows.Forms.Label label1; private System.Windows.Forms.Button button1; private System.Windows.Forms.Button button2; private System.Windows.Forms.Button button3; private System.Windows.Forms.Button button4; private System.Windows.Forms.Button button5; private System.Windows.Forms.Button button6; private System.Windows.Forms.Button button7; private System.Windows.Forms.Button button8; private System.Windows.Forms.Button button9; private System.Windows.Forms.Button button11; private System.Windows.For

资源描述FPGA-Quartus-对四个数码管上的数字进行排序

资源描述 用动态规划法实现TSP旅行商问题，此算法中我们用C++语言实现。 程序输入一个文本文件，文件中有三列，每一行表示图中的一条信息，例如： 0   1   6       #表示从0节点到1节点需要花费6 1   3   4       #表示从1节点到3节点需要花费4 就这样把有向图的每一条有向边表示出来，按照这样的格式写在一个txt文件中，作为程序输入，然后再输入你从哪个城市出发，程序可以输出一条最佳路径，并算出代价。

一维时间序列分行维数，利用计盒法计算得到的分形维数，希望对大家有所帮助！-Branch of one-dimensional time series dimension, using box method calculated the fractal dimension, and they hope to be helpful to everyone!

该代码实现了am，f-msk，qpsk，mdpsk-the code achieved am, f-msk, qpsk, mdpsk

针对matlab中快速傅立叶变换，我们用C++语言来实现同样的功能。排序的方法用的蝶形算法，也是快速算法。FFT的c++代码实现，效率比MATLAB的要高一点，并且已经调试通过。-FFT of c++ code to achieve efficiency is higher than that of MATLAB, and has passed testing.

基于遗传算法以TSP中的中国旅行商问题为例进行求解，采用轮盘赌、顺序交叉、反转变异方式实现算法涉及的选择、交叉、变异策略，利用C++语言编码进行仿真实验，验证本文所设计算法的正确性和可行性.

Standard Grammar Toolkit

多元曲线解析-交替最小二乘法,MCR-ALS-Multivariate Curve Analysis- alternating least squares method, MCR- ALS

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。