rfid自动仓储

推荐系统的类库，实现了大部分的推荐算法，大家可以在此基础上进一步实现自己的优化算法。

应用背景二维码编解码，图像识别的初步认识，学习灰度图像二值化处理原理及图像灰度化处理方法。关键技术二维码识别，灰度图像二值化处理。图像灰度化处理。二维码的编解码、探测图形检查、最得精确版本号、图像纠错检查、获取探测图形中心点、检查角度、检验探测图形比例

数据挖掘经典k-means算法C源码实现-Data Mining the classical k-means algorithm C source code to achieve

各种算法的c语言程序，包括huffman、线性表、栈、队列等--All kinds of algorithm program in C language, including huffman, lineartable, stack, queue etc.

在我们不知信号个数时，进行褶积运算，这里用了动态数组控制。可以作为一个地球物理初学者经常用到的外部子程序。

这是一个有关汽车装配厂涂装车间虚拟重排序的简单规则代码，应用c++实现订单的重新分派。在此过程中并不改变原有汽车序列的实际顺序。This is a car assembly plant paint shop virtual reordering simple rule code, application c + + implementation reassignment orders. In this process does not change the actual order of the sequence of the original automobile.

计算方法《高斯定理》-calculation method, "Gauss theorem"

资源描述图像去噪图像处理中的非局部均值算法。不同于“局部均值”的过滤器，它采取的平均值的一组像素周围的目标像素的平滑图像，非局部均值滤波，以平均的所有像素的图像，加权类似这些像素的目标像素。这导致了更大的后过滤的清晰度，减少损失图像中的细节与局部均值算法比较。

像素化重力 花式 Delphi 应用程序竞赛条目由 Gerben Wijnja #14 从普拉 Gajic前, About.com 指南 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

反向传播的原则是其实很容易理解，即使它背后的数学可以看起来相当令人望而却步。基本步骤如下： 初始化与小随机加权网络。 目前对网络的输入层的输入的模式。 饲料通过网络来计算其激活值的输入的模式。 采取所需的输出和激活值来计算的网络激活错误之间的区别。 饲喂以减少其激活错误对此输入模式的输出神经元的权重进行调整。 传播错误值返回到每个隐藏的神经元，是其在网络激活错误的贡献成正比。 喂养每个隐藏的神经元，以减少它们的贡献对此输入模式错误的权重进行调整。 对每个输入模式输入集合中重复步骤 2 到步骤 7。 重复步骤 8，直到网络接受过适当培训。 为了使这个新的网络通过它的步伐，我下载了经典的虹膜植物数据库从UCI 机器学习资料库。数据集包含三个类的五十实例，每个，其中每个类是指一种类型的鸢尾属植物。一类是线性可分从其他两个 ；后者不是从彼此线性可分的。若要使用此数据，为 csv 文件扩展名的文本文件保存该 web 页。用 Excel 打开并添加三个新列在右边，与0,0,1或0,1,0或1,0,0根据植物品种填补。删除物种名称列，并且您现在有一个文件，它可以喂进入您的网络。