蚂蚁算法实验室，可以仿真模拟一

基于matlab的约束非线性规划算法库，适于学习！-Matlab-based algorithm for the constrained nonlinear programming library, suitable for learning!

雅克比算法，计算结构自振特征的基本方法，可求解结构的所有阶次振型和自振频率-Jacques algorithm to calculate structural vibration characteristics of the basic methods can solve all the structural order of vibration and vibration frequency

数组也可以是不同的数据类型如 char，浮法、 双等......数组在 C + + 中存储为载体在连续的内存位置。 通常一个想法是矩阵是作为板，但内部处理是其定义意味着，向量的向量，ie 向量是一个后面其他在一起。 访问矩阵的元素的方法使用你的名字，指示两个下标在括号中。

模拟使用 OMNeT + + 流动性框架的节点：给出了 OMNeT + + 和流动性框架，一种基本算法概述PEGASIS。在那之后，给出的仿真结果表明 PEGASIS 延伸传感器网络生存时间明显。

人脸跟踪算法源码人脸跟踪算法源码人脸跟踪算法源码人脸跟踪算法源码人脸跟踪算法源码人脸跟踪算法源码人脸跟踪算法源码人脸跟踪算法源码人脸跟踪算法源码人脸跟踪算法源码人脸跟踪算法源码人脸跟踪算法源码人脸跟踪算法源码人脸跟踪算法源码人脸跟踪算法源码人脸跟踪算法源码

this to find out the shortest path for various nodes-this is to find out the shortest path for various nodes

一个非常实用的CRC校验分析器的源代码，适合初学者和正在开发通信系统中CRC校验分析算法的实用。

初学者可以看看的算法-beginners can look at the algorithm

TF-IDF（term frequency–inverse document frequency）是一种用于资讯检索与资讯探勘的常用加权技术, TFIDF的主要思想是：如果某个词或短语在一篇文章中出现的频率TF高，并且在其他文章中很少出现，则认为此词或者短语具有很好的类别区分能力，适合用来分类。TFIDF实际上是：TF * IDF，TF词频(Term Frequency)，IDF反文档频率(Inverse Document Frequency)。TF表示词条在文档d中出现的频率。IDF的主要思想是：如果包含词条t的文档越少，也就是n越小，IDF越大，则说明词条t具有很好的类别区分能力。如果某一类文档C中包含词条t的文档数为m，而其它类包含t的文档总数为k，显然所有包含t的文档数n=m + k，当m大的时候，n也大，按照IDF公式得到的IDF的值会小，就说明该词条t类别区分能力不强。但是实际上，如果一个词条在一个类的文档中频繁出现，则说明该词条能够很好代表这个类的文本的特征，这样的词条应该给它们赋予较高的权重，并选来作为该类文本的特征词以区别与其它类文档。这就是IDF的不足之处。

随着数字信号处理理论和算法的发展，多抽样率信号处理在多媒体信号处理领域显得越来越重要。为了减少计算复杂度和存储复杂度，采样速率转换技术是十分必要的，音频重采样算法可以用来实现音频信号任意釆样速率之间的转换。设计了一种音频重采样算法，是基于线性插值的音频重釆样算法，并用这种算法实现了音频信号的重釆样。