Dolfin provide a high

数值算法库for Unix，含有很多数值算法- Value algorithm storehouse for Unix, includes the very many values algorithm

Cpp数据结构原理与经典问题求解全书所有章节源代码，适合系统学习C++语言

L语言编译器的设计与实现，词法分析最后产生token文件和符号表文件，然后进行语法分析和语义分析，采用的是递归下降方法，最后产生四元式，通过中间代码产生目标代码

Use the CascadeClassifier class to detect objects in a video stream. Particularly, we will use the functions: – load to load a .xml classifier file. It can be either a Haar or a LBP classifer – detectMultiScale to perform the detection.

针对遗传算法所存在的问题，一种多种群遗传算法结构模型（Multiple Population GA，简称MPGA）可以用来取代常规的标准计算模型（SGA）。 MPGA在SGA的基础上主要引入了以下几个概念： （1）突破SGA仅靠单个群体进行遗传进化的框架，引入多个种群同时进行优化搜索；不同的种群赋以不同的控制参数，实现不同的搜索目的。 （2）各个种群之间通过移民算子进行联系，实现多种群的协同进化；最优解的获取是多个种群协同进化的综合结果。

标准单纯性算法程序，不知能否满足大家需要。-simple algorithm standard procedures, we will be able to meet the need.

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。

应用背景统计中经常会遇到求置信区间、置信区域（如置信椭圆、置信椭球）等，有时候需要把置信区域画出来，这样看起看更为直观，下面结合具体案例介绍调用自编函数ConfidenceRegion绘制置信区域。 关键技术【例1】绘制置信区间。产生一元正态分布随机数向量，绘制样本数据的95%置信区间。【例2】绘制置信椭圆。产生二元正态分布随机数矩阵，绘制样本数据的95%置信椭圆区域。【例3】绘制置信椭球。产生三元正态分布随机数矩阵，绘制样本数据的95%置信椭球区域。

地震勘探中的正演模拟，是层状模型的，有限差分正演，真的很不错的，用fortran编写的，哈哈哈哈哈

为了降低移动自组织网络（Manet）中的路由开销，我们提出了一种基于邻居覆盖的概率重播方案，由于移动自组织网络（Manet）的高移动性，存在频繁的链路中断，导致路径失效和路由失效新发现路由发现的开销不能被忽略被忽视。在路线发现，广播是一种基本而有效的数据传播机制，其中，移动节点盲目地重播第一个接收到的路由请求包，从而导致广播Strom问题来了我们正在避开广播风暴问题来了我们使用两个主要因素，即连通性因子和平均延迟，找到了从源到目的地发送消息的共同邻居比率.we将通过公共邻居路径发送rreq，从而减少重传和路由开销。