W.B.Gragg改进的解微分方程组的解法，为改进中点法，并给出解一个方程组得例子。...

后缀树实现在java中。该算法后缀树实现。字符串是从控制台输入和输出是在输出文件中生成。

FIR滤波器系数计算 C源码，有多种加窗处理-FIR filter coefficients C source code, plus a variety of window treatment

此程序为2011年研究生数学建模试题的解答。程序中用到了Floyd算法，遗传算法，很好的解决了该问题。

资源描述世界上最著名的多旋翼姿态滤波算法，包含源代码和PDF原理说明、使用说明

约瑟夫问题的一种描述是：编号为1，2，…，n的n个人按顺时针方向围坐一圈，没人持有一个密码。一开始人选一个正整数作为报数上限值m，从第一个人开始按顺时针自1开始报数，报到m是停止报数。报m的人出列，将他的密码作为新的m值，从他在顺时针方向上的下一个人开始重新从1报数，如此下去，直至所有人全部出列为止。-a description of the problem is : No. 1, 2, ..., n n clockwise direction by individuals sitting around a circle, no one holding a password. One person started as a positive integer limits on the number of reported m, from the first individuals to embark on the clockwise from a few reportedly started, the report m is reportedly stopped a few. M reported out of the list of his password as a new value m, from a clockwise direction in the next re-started from a newspaper a few, like that, until the total of all listed so far.

这是其中包含的 c + + 代码 1 数学操作 2 三角操作 3 基地 N （操作 + 养护） 4 方程求解 （2 和 3 的顺序） 5 复杂操作 6 矩阵复杂操作

应用背景图像边缘是很重要的视觉信息,边缘检测在图像处理和机器视觉中占据着重要位置。通过边缘检测勾画出目标物体的轮廓,达到目标识别的目的。传统的边缘检测方法是基于空间运算的,借助空域微分算子利用卷积来实现,主要起到高通滤波的作用,如Sobel边缘算子、Roberts边缘算子、Krisch边缘算子、高斯2拉普拉斯边缘算子等关键技术 信息激素(Pheromone)作为蚂蚁选择后续行为的依据,并通过蚂蚁间的协同与交互来完成全局寻优搜索过程。该算法具有强鲁棒性、正反馈性和分布式处理等特点,已被成功用于解决许多诸如TSP问题、图着色问题等复杂问题。但用于图像处理领域,国内外的研究还比较少,韩彦芳等人利用蚁群算法提出了基于模糊聚类的图像分割方法,本文则利用蚁群算法提出了一种新的图像边缘检测方法。将一群蚂蚁随机放置到图像中,根据蚁群算法的路径选择机制,使蚂蚁以较大的概率选择图像边缘点作为下一步移动目标位置,经过多次循环迭代最终使大多数蚂蚁聚集到图像边缘上,从而提取出图像的边缘。

这是计算机算法基础中的动态规划的方法的一个例子，多段图是一个很经典的问题！这里的程序用于求解最小成本路径，用类似的思想可以解决最优分配方案的问题！-This is a computer algorithm based on the dynamic programming methods of an example, many of the map is a classic question! Here the procedures for calculating the minimum cost path, with similar ideas can solve the optimal distribution program!

数值计算算法：斯蒂芬森算法写的帕斯卡尔要找到一个解决方案，以G（X）= X   给定的初始近似值P0：   输入：初始近似P0;公差TOL;            迭代N 0的最大数目。   输出：近似解p或            该方法失败的消息。

模式识别与智能计算-Matlab技术实现  PDF+光盘资料本书广泛吸取统计学、神经网络、数据挖掘、机器学习、人工智能、群智能计算等学科的先进思想和理论，将其应用到模式识别领域中；以一种新的体系，系统、全面地介绍模式识别的理论、方法及应用。全书共分为13章，内容包括：模式识别概述，特征的选择与提取，模式相似性测度，贝叶斯分类器设计，判别函数分类器设计，神经网络分类器设计（BP神经网络、径向基函数冲经网络、自组织竞争神经网络、慨率神经网络、对向传播神经网络、反馈型神经网络），决策树分类器，粗糙集分类器，聚类分析，模糊聚类分析，遗传算法聚类分析，蚁群算法聚类分析，粒子群算法聚类分析。本书内容新颖，实用性强，理论与实际应用密切结合，以手写数字识别为应用实例，介绍理论运用于实践的实现步骤及相应的Matlab代码，为广大研究工作者和工程技术人员对相关理论的应用提供借鉴。本书可作为高等院校计算机工程、信息工程、生物医学工程、智能机器人学、工业自动化、模式识别等学科本科生、研究生的教材或教学参考书，亦可供相关工程技术人员参考。