tossim中dymo路由

自适应数据融合算法-Adaptive Data Fusion

资源描述VC/C++源码,图形处理,拉普拉斯,边缘检测,图像锐化　　VC++中使用拉普拉斯边缘检测法对BMP位图进行锐化的实例包。VC++处理图像的时候会用到，锐化功能会使一幅图片的轮廓更清淅，看上去图片也就更清淅，但有时候锐化过多会使图像严重失真，这就要看锐化方法的不同了。 

1.求解像素点在水平方向的梯度 2.求解像素点在垂直方向的梯度 3.生成高斯滤波w(s,t)          4.用高斯模板对图像进行相关运算（线性滤波） 5.针对每个像素点（i,j),计算矩阵M 6.如果R(i,j)是3*3邻域内的极大值，且大于阀值，则选为角点 7.统计角点个数 8.确定角点位置           

一个不错的简单实用的公式解析器，使用起来非常方便，容易上手。-A good simple and practical formula parser, very convenient to use, easy to use.

德劳内三角算法实现二维或三维任意点的三角网格划分C-Delaunay triangulation algorithm arbitrary two-dimensional or three-dimensional triangular point mesh C

CRF的工具包，实现原理，及样例。CRF(Conditional Random Field) 条件随机场是近几年自然语言处理领域常用的算法之一，常用于句法分析、命名实体识别、词性标注等。在我看来，CRF就像一个反向的隐马尔可夫模型(HMM)，两者都是用了马尔科夫链作为隐含变量的概率转移模型，只不过HMM使用隐含变量生成可观测状态，其生成概率有标注集统计得到，是一个生成模型；而CRF反过来通过可观测状态判别隐含变量，其概率亦通过标注集统计得来，是一个判别模型。由于两者模型主干相同，其能够应用的领域往往是重叠的，但在命名实体、句法分析等领域CRF更胜一筹。当然你并不必须学习HMM才能读懂CRF，但通常来说如果做自然语言处理，这两个模型应该都有了解。

webrtc中的ns(背景音去除)模块，可以直接编译，编译完后生成动态库。后续可以直接使用include目录的noise_suppression.h和library中的libwebrtc_ns.so进行测试。

Matlab code of toolbox of camera calibration -Matlab code of toolbox of camera calibration

伸展树的一系列操作代码实现，

finite element library for mathematic majored research