多项式拟合 demo

用LMI工具箱来求解LMI的可行性问题，一个简单的鲁棒控制问题的仿真，以及控制器设计的问题。

给出计算常微分方程（组）的各种算法的使用示例。-Given the calculation of ordinary differential equations (group) the use of various algorithms sample.

基于ARM的AD读取程序，通过改变电位器的值大小，可以通过超级终端显示AD的数值变化，实测可用，目标板是s3c2410

资源描述 这个程序主要是完成的功能是二维码的生成和解析。 可选编码形式：Byte,Numeric,AlphaNumeric 修正层次：L、M、Q、H 版本：1-40 像素可调 提供 二维码创建、二维码保存、二维码打开及译码功能

资源描述kmenas算法首先选择K个初始质心，其中K是用户指定的参数，即所期望的簇的个数。这样做的前提是我们已经知道数据集中包含多少个簇，但很多情况下，我们并不知道数据的分布情况，实际上聚类就是我们发现数据分布的一种手段

给定n个权值作为n的叶子结点，构造一棵二叉树，若带权路径长度达到最小，称这样的二叉树为最优二叉树，也称为哈夫曼树(Huffman tree)。哈夫曼树是带权路径长度最短的树，权值较大的结点离根较近。该代码实现了哈夫曼树，供大家参考学习。

该算法在某个再生核希尔伯特空间，在充分考虑领域间分布的均值差和散度差最小化的基础上，基于结构风险最小化模型，提出一种领域适应核支持向量学习机(Kernel support vector machine for domain adaptation, DAKSVM)及其最小平方范式，通过寻求某个特征变换，使得在确保训练数据的最大分割的同时，实现领域间不同分布之间的距离充分最小化，从而实现领域适应学习。

应用背景主要应用于目标的跟踪，在跟踪上我们主要利用时间的序列，而忽略了空间的利用，本文就是来讨论空间在跟踪过程中的对目标跟踪的作用，通过计算目标的空间背景特性来改善目标跟踪过程中的丢失遮挡问题，从而得到良好的跟踪结果。关键技术关键技术就是通过计算目标空间的特性，并在下一帧中找到目标的空间特性，来进行追踪，这样就可以很好的解决目标的遮挡提高目标的鲁棒性，利用追踪，这段代码还不完善，希望大家可以再次改进。

1维和2维快速傅里叶变换，网上广为流传的英文版本-1-D and 2-D Fast Fourier Transform， Perform a 2D FFT inplace given a complex 2D array

这个项目的目的是决定两文本实例的相似度，并举例支持中文处理。