C #基础

这是一个关于二叉树遍历的源代码，是用C语言的所描述的，是关于二叉树遍历的数据结构的算法问题，

OpenGL入门，利用GLUT实现基本图元（直线段）的绘制。

MATLAB6.0数学手册-coefficients Mathematics Handbook

这是一个有向图或无向图的生成工具，可以随机地生产邻接矩阵和邻接表。该程序可以用于测试时产生测试数据程序为命令行式交互，命令列表如下：        //////////////////////////        //    COMMAND FORMAT    //        //////////////////////////        //gen D 5 10  //生成有向图，节点数，边数        //gen U 5 4   //生成无向图，节点数，边数        //show list     //以邻接表形式输出        //show mat   //以邻接矩阵形式输出        //show all      //以邻接表和邻接矩阵形式输出        //out         //out name.txt //输出到文件         //help //帮助        //quit        ////////////////////

opencv背景差分、光流法，    1.首先是假设条件：        （1）亮度恒定，就是同一点随着时间的变化，其亮度不会发生改变。这是基本光流法的假定（所有光流法变种都必须满足），用于得到光流法基本方程；        （2）小运动，这个也必须满足，就是时间的变化不会引起位置的剧烈变化，这样灰度才能对位置求偏导（换句话说，小运动情况下我们才能用前后帧之间单位位置变化引起的灰度变化去近似灰度对位置的偏导数），这也是光流法不可或缺的假定；        （3）空间一致，一个场景上邻近的点投影到图像上也是邻近点，且邻近点速度一致。这是Lucas-Kanade光流法特有的假定，因为光流法基本方程约束只有一个，而要求x，y方向的速度，有两个未知变量。我们假定特征点邻域内做相似运动，就可以连立n多个方程求取x，y方向的速度（n为特征点邻域总点数，包括该特征点）。       2.方程求解 &nb

数值分析中迭代法的使用，其算法相当的简单，可以参考-Numerical analysis of the use of iterative method, its algorithm is quite simple, can refer to

JAVA 应用程序源代码中的图像处理 （对比度增强与直方图均衡化和重构......)而无需使用预定义的函数

大学里数学系必学的一们课程数值分析中的经典算法――――高斯消去法，在矩阵理论和线形代数及运筹学中有极高的重要性-University"s Department of Mathematics will study the courses have a numerical analysis of the classical algorithm-Gaussian elimination method, the matrix theory and linear algebra and tacticians are very high importance.

信号傅立叶变换的幅度图和频谱图的示例 信号傅立叶变换的幅度图和频谱图的示例-signal Fourier transform spectrum range map and the map of the signal sample rate Fourier Transform map and the map of the sample spectrum

Polynomial fit functions === === RegressionObject.cls contains a class that provides an easy way to add polynomial regression functionality to any application. If you just want linear regression or a very high degree, no matter: this class has good performance and scales seamlessly with the complexity of your problem.-Polynomial fit functions === === === === RegressionObject.cls contains a class that provides an easy way to add polynomial regression functionality to any application. If you just want linear regression or a very high degree, no matter: this class has good performance and scales seamlessly with the complexity of your problem.