A* 算法K短路算法

: Apriori算法是一种挖掘关联规则的频繁项集算法,其核心思想是通过候选集生成和情节的向下封闭检测两个阶段来挖掘频繁项集。 

这个是关于DSP6713的一个FIR算法的实现，仿真以通过，可以直接观察波形，基本的使用时，产生波形后，在CCS的view下观看波形的产生/*  Purpose:FIR filter procedure for processing a group of data               *//*  Prototype in C:void fir_filter(const int x[],const int h[],              *//*                                 short y[],int n,int m,int s);              *//*  const int x[]：输入信号的缓冲数组，int类型，在滤波中不可修改              *//*  const int h[]：滤波器的系数数组，int类型，在滤波中不可修改                *//*  short y[]：输出信号的缓冲数组，short类型                                  *//*  n：滤波器长度，本例中为ORDER_FIR                 &nbs

HUI EGO ZNAET 40-HUI EGO ZNAET 40!!!!!!!!!!!!

Gabor filter for face recognition or other computer vision applications

分割是图像处理中最重要的任务之一。它包括在像素分为两个或多个组根据其强度水平和门槛值。分割质量，取决于用于选择阈值的方法。古典实现用于多阈值分割是计算代价昂贵的因为他们彻底搜索优化的目标函数的最佳值。根据这种条件下，利用优化的进化途径已扩大。电磁像算法 (EMO) 是人口的一种进化的方法，模仿之间收费，以发展成员的吸引力排斥机制。不同于其他算法，EMO 展品有趣的搜索功能，而保持较低的计算开销。本文介绍了一种基于 EMO 的阈值 （MT） 算法。该方法结合目标函数提出了流行的大津和卡普尔的 MT 方法 EMO 算法的良好的搜索功能。该算法从内部图像直方图的可行的搜索空间的随机样本。这种样品建立 EMO 上下文的每一个粒子而它的质量评价考虑是受雇的 Otsu 或卡普尔方法的功能的目的。价值观的引导下这些客观的候选解集进化透过 EMO 的经营者直到找到最佳的解决办法。该方法生成一种可以有效地识别在为数较少的迭代的数字图像的阈值的多层次分割算法。实验结果表明性能的 EMO 实现数字图像分割的证据。

语音识别算法实现,matlab完整实现，对做算法的有参考价值，里面包含了5个文件，mfcc-MFCC参数计算程序 、train-对一个HMM进行训练的程序、viterbi-语音识别的Viterbi算法、以及端点检测代码

数据结构中的linklist的C++实现方法。 实现了其中的各种函数。

ISAR成像程序，该程序仿真了包含有4个散射点的转台目标成像，采用解线频调的方法。

FaceDetection是一个静态人脸检测程序，注意FaceDetection需要OpenCV提供的库支持， 因此请首先到相关网站上下载并安装OpenCV， 此外本程序需要导入一个分类器文件haarcascade_frontalface_alt.xml， 该文件在OpenCV中提供，请将该文件复制到程序同一目录下，程序即可正确运行。

自己编写的子集和问题的源代码，绝对可以运行-I have written and the issue of a subset of the source code can run