使用Chebyshev 多项式进行数值拟合的算法

用中点画线和中点画圆法绘制任意直线段以及任意大小的圆，在窗口动态绘制，且用像素点进行描绘。

这是一个语音识别的常用算法，隐马尔可夫链的算法实现，用的是C++语言实现的代码

可产生2、4、8、16PSK数字调制基带IQ信号，其数字调制时的成形滤波器可任意选择升余弦、根升余弦和高斯。产生的MPSK信号通过波形回放进行了验证。

用三种方法实现在数组中选择第k个最小的元素-three methods to find the k-th minium element in an array.

该程序是基于matlab平台的粒子群算法的实现程序，用来实现粒子群算法，程序简单易理解，对学习该方面知识的学者提供一定的帮助。

杭电第一页的100道题，是有简单，有难的哪一种，但是对于初学者来说难度还是比较大，所以我把代码发上来，大家有兴趣，看一看

qingduozhijiao

本代码是使用米勒拉宾算法对一个数是否为素数作出判断，综合运用了费马小定理，卡米尔歇数的性质，卡米尔歇数的考赛特判别法的数学方法，拉宾米勒素数测试算法是一个不完全准确的算法，当然，底数a数组取数越多，测试的准确率越高

这是在GPU上进行高速数字计算的数学库函数，以实现通用GPU计算-This is the GPU on the high-speed digital computing mathematical library functions in order to achieve universal GPU computing

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。