基于opencv的人脸识别

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。

生物识别：

资源描述 全部作业，01-10 Zhou Xiaofang Perl 作业全部内容，每节的作业都有，有需要的同学或者朋友欢迎下载 全部代码亲测可用 本人是初学者，也欢迎大牛指教

Simpleson算法函数，利用子函数设计实现，子函数非常简单，可供参考使用-Simpleson algorithm functions, the use of subroutine design implementation, subroutine is very simple, available for reference use

一个很好的计算器程序-a good calculator program

轮廓提取以后，实现了对轮廓点集之间的关系描述，使轮廓查找更容易，也便于对轮廓的后续处理，分析。

算法 广度优先搜索、深度优先搜索等。 数据结构课程、算法分析内会使用到的有关算法、结构的建立。 包括广度优先搜索、深度优先搜索、广义表、树结构、队列建立等。

传统单链表的算法实现不能满足企业应用，企业里使用的链表实现是经过改良的，实现了算法和业务逻辑的分离（这里是重点，也只有这样才能被实际使用，如果你是传统的实现方式在使用的话，建议看看这里的实现思想），所以实现与传统的方法也不一样。具体实现直接看代码，注意与传统链表的实现接口destory和clear，以及调用方式有很大的不同，可能需要慢慢理解

通过启发式搜索方法，如遗传算法（Genetic Algorithm, GA）、模拟退火法（Simulated Annealing, SA）、禁忌搜索法（Tabu Search, TS）、蚁群优化算法（Ant Colony Optimization, ACO）、大爆炸算法（Big Bang-Big Crunch, BB-BC）以及粒子群优化算法（Particle swarm optimization, PSO）等，能够快速有效求解最优化问题。与其他优化算法相比，PSO因具有参数少、收敛速度快、简单易实现等突出优点而被广泛应用于多个领域，如逆合成孔径雷达（Inverse Synthetic Aperture Radar, ISAR）中机动目标参数补偿，非线性方程组多值求解等。本程序为个人原创，需要根据实际需要添加目标函数。