python SCAN算法实现（structural clustering algorithm for networks）

介绍JPEG的原理和实现，可以做为新手的基础教材使用，会有很大的启发！-JPEG introduced the theory and implementation can be used as the basis for teaching novice to use, there will be a great inspiration!

采用java语言，实现克重排序算法，如快速排序、冒泡排序等；

 人工蜂群算法是模仿蜜蜂行为提出的一种优化方法，是集群智能思想的一个具体应用，它的主要特点是不需要了解问题的特殊信息，只需要对问题进行优劣的比较，通过各人工蜂个体的局部寻优行为，最终在群体中使全局最优值突现出来，有着较快的收敛速度。

而FORTRAN的好书则是语法规则和算法书倾注了极大的精力去寻找的

离散事件系统仿真程序CPU_scheduler说明： 1.仿真功能与要求： 1.1 单CPU系统，系统有10个终端输入任务，如果一个任务的执行时间大于规定的时间片，则该任务执行一个时间片之后退出CPU，并重新参加排队，直到执行完退出CPU，然后才允许相应终端重新输入一个新的作业。任务排队的原则是在CPU中执行次数越少的越排在前面，如果两个任务执行的次数相同，按照FIFO原则排队。 1.2 每个终端输入任务的时间满足均值为25秒的指数分布。每个任务需要CPU执行的时间满足均值为0.8秒的随机指数分布。CPU的时间片长度为0.1秒，任务间切换需要0.015秒任务的个数为1000时终止仿真，计算每个任务的平均相应时间和队列中的平均任务个数。-err

问题 （或游戏） n 谜题是可能非常熟悉我们作为初学者有访问在人工智能领域的课程。它是闻名其许多的版本和不同的名称，如 8 拼图，15 拼图，宝石拼图，老板的谜题，十五岁，神秘主义者广场的游戏......在最简单的水平，我想说关于 8 拼图。②。A * 搜索算法A * 搜索算法是相关图，并找出方法中常用的问题。这是也选择不只是因为其效力，因为它容易理解和安装。您需要在继续之前了解该算法。那麼，我奖励已经知道关于这一理论，但为方便参考，您可以阅读下面的两个链接：-A * 搜索算法-A * 搜索算法三。问题分析— — 正如在上一篇文章中讨论，有表的状态不会转给目标状态，我们称之为配置有效和无效。他们之间的比率是 ½，这可以很容易认出从查看会计方法可以提供国家目的或不。-它的容易看到每个表的状态是 mxm 置换 （其中 m 是边缘） 的元素，因此其状态空间 （mxm） ！与 8-谜题是 9 ！= 362 880 （m = 3) 和第 15-拼图是 16 岁 ！= 20922789888000 （m = 4）。你不如 m 增加 1 个单位，状态空间增加的非常迅速，这使得 m > 3 很少适用的决议版本。-适用 A * 算法解决这个问题，你需要一个启发式函数 h 来估计每个状态 "s 车牌的价值。有几种方法你可以知道距离作为计算基于方差的细胞数与正确的位置，或简单地数出多少个单元格在错误的位置，......在这里，我选择第一种方法，即平方偏差相比其正确位置的单元格数目。这种计算常用，它被称为曼哈顿。

该源码主要关于压缩感知算法的实现，是在matlab软件平台上运行的，对初学者具有较好的引导作用，对压缩感知算法的理解更能进一步

求逆矩阵--solution for inverse matrix

 img——待分割的源图像，必须是8位3通道（CV_8UC3）图像，在处理的过程中不会被修改；    mask——掩码图像，如果使用掩码进行初始化，那么mask保存初始化掩码信息；在执行分割的时候，也可以将用户交互所设定的前景与背景保存到mask中，然后再传入grabCut函数；在处理结束之后，mask中会保存结果。mask只能取以下四种值：                    GCD_BGD（=0），背景；                    GCD_FGD（=1），前景；                    GCD_PR_BGD（=2），可能的背景；     &nb

最优化方法 共厄梯度法-Optimization Methods Ecuador gradient method