用C++实现的利用整型数实现浮点运算的系列方法重载.

点云配准的经典算法，最邻近点迭代，iterative closest point输入为模型与待配准点云，输出为两块点云之间的旋转、平移以及中误差。

这个是我在CSDN上下载的一个源码，这个比较有意义，很多东西可以自己一步步理解，有利于大家掌握ACM的一些技巧和解题思路，希望对大家有帮助

国密SM4算法实现,已经验证可用，c语言实现-The country close SM4 algorithm SM4分组密码算法，原名SMS4，国家密码管理局于2012年3月21日发布，但不能下载标准文档。 本标准适用于密码应用中使用分组密码的需求。 

最喜欢所有组件功率 tử，或创建存储类风湿性关节炎、 检查 Soát 或转让权力方式方式起亚 không có.一张卡不工作从组件平等但合在一起的互操作性行动 " 取得预期成效。有许多人想了解功率器件 tử 和你从来没有真正能理解所有主题不是数字。

编译原理 实验3 自上而下语法分析 LR分析   编译原理 实验3 自上而下语法分析 LR分析编译原理 实验3 自上而下语法分析 LR分析编译原理 实验3 自上而下语法分析 LR分析 学习编译原理的实验报告，c++语言啊 很好的实验报告哦！

能够选择用编程语言，模拟DV算法，找到某点到其他各点的最短路径软件：PC机软件：操作系统windows 7, 开发平台EclipseDV算法的实质就是针对某一个特定的节点，从它的邻居到网络中的可达的所有点。该点需要将它到其他邻居的耗散值广播给它的邻居，它也接受来自邻居的cost值信息，同时通过邻居给它的广播，更新自己到别的点的最短路径。几次过后，算法就会稳定下来。其中带有源码和实验报告。

资源描述很简单的小程序。#include   #include using namespace cv; void main() { IplImage *src; src = cvLoadImage("lena.jpg"); //这里将lena.jpg和lena.cpp文件放在同一个文件夹下 cvNamedWindow("lena", CV_WINDOW_AUTOSIZE); cvShowImage("lena", src); cvWaitKey(0); cvDestroyWindow("lena"); cvReleaseImage(&src); }

应用背景7777777777777777777777777777777777777777777777lkajhouewhlkjwhrflkjsdhfal;klakljrhlkjhdsnaljkfnlkJHSRLKWEJHLKJFHLKUYROIWQUYOPAIS;LDKJFLASMKNDLVJKZXNBCVLOJKHA LKJBFAMLNDLKAJHORKJWQHOIUQhw;J;LkjLKAJ    OP289YELKWJH    1KUYEOQWEHLKJHEP18923YEPOIRHFNLAKjwNLqyhoe182y3poieuh1goljebdlWQKeyhpoqiudrkosajfnh;lkqww;kljqwp382u4f;lkdsanf;walkELHWR444444499999999999999999999999999999999999999995555555555555555555555555555555555555500000000111111111111111000000000000000000关键技术222222222222222222333333333333335555555555555551111111111111111115555555555555555444444444444444444444444444444444444444444444444444499999999999999999999999999999999999999995555555555554444444444444444444444444444444444444444444444999999999999999999999999999999999999999955555555555555555555555555555555555555444444444444444444444444444444444444444444444499999999999999999999999999999999999999995555555555555555555555

金刚石算法。计算机图形学实验课的第一个实验。

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。