指数回归方程 ExponentRegress.cs 方程模型为 public override double[] buildFormula()...

应用背景  1、问题描述： 3 2、最优性原理： 3 3、递推关系： 3 4、 改进前的算法 4 4.1 源代码 4 4.2 算法的时间复杂度 6  5、算法的改进： 6 5.1源代码 8 5.2 算法的时间复杂度 11 6、运行结果 11 7、 结论 12 关键技术  1、问题描述：     给定n种物品和一背包。物品i(1

分析了遗传算法的初始化，交叉变异等过程；通过实际例子，对遗传算法在计算目标函数值，将二进制编码转化为十进制数，计算个体的适应值几个方面的应用进行了详细分析。对初学者了解遗传算法具有很好的帮助。

数值计算方法中的消元法解线性方程组数值计算方法中的guss 解线性方程组-numerical method of elimination method for solving linear equations numerical method of guss solving linear equations

世界上最小的pe文件世界上最小的pe文件世界上最小的pe文件世界上最小的pe文件世界上最小的pe文件世界上最小的pe文件世界上最小的pe文件世界上最小的pe文件世界上最小的pe文件世界上最小的pe文件世界上最小的pe文件世界上最小的pe文件世界上最小的pe文件世界上最小的pe文件世界上最小的pe文件世界上最小的pe文件世界上最小的pe文件世界上最小的pe文件世界上最小的pe文件世界上最小的pe文件世界上最小的pe文件世界上最小的pe文件世界上最小的pe文件世界上最小的pe文件世界上最小的pe文件世界上最小的pe文件世界上最小的pe文件世界上最小的pe文件世界上最小的pe文件世界上最小的pe文件世界上最小的pe文件世界上最小的pe文件世界上最小的pe文件世界上最小的pe文件世界上最小的pe文件世界上最小的pe文件

一个数值微分的例子-Examples of a numerical differentiation

*说  明：EVA下面的通用定时器T1工作于连续增/减计数模式，产生三角载波，载波频率为 *        3000Hz，载波比N=60，因此调制波形正弦波的频率为50Hz。本实验中，调制度为 *        0.8。

资源描述CS7495 Final Project  Sooraj Bhat Object Removal by Exemplar-based Inpainting USING THE CODE Everything was done in Matlab and MEX (i.e. a C function callable from Matlab).  First, the C code needs to be compiled.  At the Matlab prompt, type:    mex bestexemplarhelper.c You should then be able to run the following (which takes ~2mins on my 2GHz Pentium 4 laptop with 256MB of RAM):    [i1,i2,i3,c,d,mov] = inpaint("bungee0.png","bungee1.png",[0 255 0]); A smaller run (~25 seconds) would be:    [i1,i2,i3,c,d,mov] = inpaint("bw0.png","bw2.png",[0 255 0]); To visualize:    plotall;    close; movie(mov); SAMPLE IMAGES & RESULTS *0.png      The original images ("bw" and "bungee") *{1,2}.png    The different fill region masks. *P2.png     &nbs

应用背景该算法利用演化博弈的思想进行多小区用户的资源分配，将小区重叠部分当做种群，种群中的用户进行演化博弈进行网络切换，基站为其分配子信道。关键技术本算法利用matlab进行仿真测试，仿真结果显示演化博弈能够达到稳定，提升系统吞吐量，在小区资源分配能够有一个很好的参考。不同于传统的资源分配方法，可以给出一个新思路。

通过VB语言来实现模糊评价法，是开放的源码大家可以根据自己的需要进行修改，以后也希望大家有什么源码也要一起分享，大家一起进步，谢谢本网站给大家创造这么好的机会，自己非常喜欢对这些编程语言的学习，以后还请各位高手多多指教啊！

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。