c实现的A律/mu律pcm编译码算法 只需要根据不同的需要更改输入数据即可...

资源描述经典四则运算，在学习c++的时候比较常见的问题，供大家参考。

用盛金公式解一元三次方程aX3＋bX2＋cX＋d=0，（a，b，c，d∈R，且a≠0）。-Jin-Sheng Xie used the formula three times a dollar equation aX3 bX2 cX d = 0, (a, b, c, d ∈ R, and a ≠ 0).

实对称矩阵特征值与特征向量的雅克比法，ap为是对称矩阵，vp返回特征向量-Real Symmetric Matrix Eigenvalues and Eigenvectors of the Jacobian method, ap is a symmetric matrix, vp return eigenvector

 1953年美国数学家G.B.丹齐克为了改进单纯形法每次迭代中积累起来的进位误差，提出改进单纯形法。其基本步骤和单纯形法大致相同，主要区别是在逐次迭代中不再以高斯消去法为基础，而是由旧基阵的逆去直接计算新基阵的逆，再由此确定检验数。这样做可以减少迭代中的累积误差，提高计算精度，同时也减少了在计算机上的存储量。    优选法在数学上就是寻找函数极值的较快较精确的计算方法。1953年美国数学家J.基弗提出单因素优选法棗分数法和0.618法（又称黄金分割法）  ，后来又提出抛物线法。至于双因素和多因数优选法，则涉及问题较复杂，方法和思路也较多，常用的有降维法、瞎子爬山法、陡度法、混合法、随机试验法和试验设计法等。优选法的应用范围相当广泛，中国数学家华罗庚在生产企业中推广应用取得了成效。企业在新产品、新工艺研究，仪表、设备调试等方面采用优选法，能以较少的实验次数迅速找到较优方案，在不增加设备、物资、人力和原材料的条件下，缩短工期、提高产量和质量，降低成本等。    新安江模型是河海大学提出的一个水文模型，是中国少有的一个具有世界影响力的水文模型。新安江模型是分散性模型，可用于湿润地区与半湿润地区的湿润季节。当流域面积较小时，新安江模型采用集总模型，当面积较大时，采用分块模型。它把全流域分为许多块单元流域，对每个单元流域作产汇流计算，得出单元流域的出口流量过程。再进行出口以下的河道洪水演算，求得流域出口的流量过程。把每个单元流域的出流过程相加，就求得了流域的总出流过程。    该代码采用单纯形法以及客观优选法两种参数率定中最常用的方法进行水文模型新安江模型的参数率定，在模型中充分考虑了日资料以及时段资料等，将其进行处理在数据库中，同时采用odbc和本地路径两种方法读取数据库，最好的解决了水文模型中参数率定的方法计算，模块化的参数率定方法更适合于初学者应用。

应用背景通过调用摄像头，可以实时的检测视频中手势，并判断手势的相应信息。给出不同的手势形状作为不同的手势信息，比如手掌撑开为“5”，握拳为“0”，本代码一共做出来“0”、“1”、“2”、“3”、“4“、“5”、”6“、”7“、”8“、”9“共10中类型关键技术将采集到的图像颜色空间转化，RGB->YCrCb通道，再将Y、Cr、Cb三通道颜色分离，通过肤色在不同颜色空间阈值不同，对人体肤色进行阈值分割，通过中值滤波和高斯滤波、腐蚀膨胀等手段，消除图像在噪声，再通过周积比概念，分离出手个脸的区域，设定ROI区域，通过圈出手所在区域，通过模板匹配，计算手势的相识度，进而找到当前手势的信息。

资源描述上传文件 配置允许的后缀 配置允许的大小 随机生成目录 随机生成文件名 判断文件大小 func 获取文件后缀 func 判断文件后缀 func 报错支持

UserCF和ItemCF是协同过滤中最为古老的两种算法，在top-N的推荐上被广泛应用。这两个算法之所以重要，是因为他们使用了两个不同的推荐系统基本假设。UserCF认为一个人会喜欢和他有相同爱好的人喜欢的东西，而ItemCF认为一个人会喜欢和他以前喜欢的东西相似的东西。这两个假设都有其合理性。根据我的测试，用UserCF和ItemCF做出的推荐列表中，只有50%是一样的，还有50%完全不同。但是这两个算法确有相似的精度。所以说，这两个算法是很互补的。我一直认为这两个算法是推荐系统的根本，因为无论我们是用矩阵，还是用概率模型，我们都非常的依赖于前面说的两种假设。如果用户的行为不符合那两种假设，推荐系统就没必要存在了。因此我一直希望能够找出这两种算法的本质区别。他们有相似的精度，但是coverage相差很大，ItemCF coverage很大而UserCF很小。我还测试了很多其他指标，不过要从这些表象的指标差异找出这两个算法的本质区别还是非常困难。不过上周我基本发现了这两个算法推荐机理的本质区别。我们做如下假设。每个用户兴趣爱好都是广泛的，他们可能喜欢好几个领域的东西。不过每个用户肯定也有一个主要的领域，对这个领域会比其他领域更加关心。给定一个用户，假设他喜欢3个领域A,B,C，同时A是他喜欢的主要领域。这个时候我们来看UserCF和ItemCF倾向于做出什么推荐。结果如下，如果用UserCF, 它会将A,B,C三个领域中比较热门的东西推荐给用户。而如果用ItemCF，它会基本上只推荐A领域的东西给用户。因为UserCF只推荐热门的，所以UserCF在推荐长尾上能力不足。而ItemCF只推荐A领域给用户，这样他有限的推荐列表中就可能包含了一定数量的不热门item，所以ItemCF推荐长尾的能力比较强。不过ItemCF的推荐对某一个用户而言，显然多样性不足。但是对整个系统而言，因为不同的用户的主要兴趣点不同，所以系统的coverage会很大。显然上面的两种推荐都有其合理性，但都不是最好的选择，因此他们的精度也会有损失。最好的选择是，如果我们给这个用户推荐30个item，我们既不是每个领域挑选10个最热门的给他，也不是推荐30个A领域的给他，而是比如推荐15个A领域的给他，剩下的15个从B,C中选择。认识到这一

应用背景vc6.0环境下即可使用，c++语言，是数字信号处理及实验内容中的重要实验，内容比较全，兼容性好。关键技术实现fir滤波器，支持多种窗口，可以模拟产生波形，进行滤波，也可以直接读取wav文件进行滤波，还可以对输入信号和输出信号进行fft分析。

jaccobi迭代法和GS迭代法求解线性方程组，并有著名病态对称正定矩阵Hilbert矩阵的生成程序和其不同维数下，求解结果的对比作图-jaccobi iteration and GS iterative method for solving linear equations, and a well-known pathological symmetric positive definite matrix Hilbert matrix formation process and the different dimension, the results of the solution Comparative mapping

卡尔曼算法，封装完整，容易看懂，新手容易用于自己的程序当中，更容易移植于自己的程序当中。适用于飞思卡尔智能车、微型飞行器的姿态求解算法中。