pid温度控制

该算法的基本思想是：首先找出所有的频集，这些项集出现的频繁性至少和预定义的最小支持度一样。然后由频集产生强关联规则，这些规则必须满足最小支持度和最小可信度。然后使用第1步找到的频集产生期望的规则，产生只包含集合的项的所有规则，其中每一条规则的右部只有一项，这里采用的是中规则的定义。一旦这些规则被生成，那么只有那些大于用户给定的最小可信度的规则才被留下来。为了生成所有频集，使用了递归的方法。

随机数据的生产 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 -randome data 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　

数值计算中SOR迭代法的Matlab程序-numerical calculation SOR iteration of the Matlab program

很有用的源代码，只是我好不容易找的哦，担不是我自己写的。-very useful source code, I finally find a just, um, fetching than I wrote it myself.

xfoi是一个为设计和分析亚音速飞机独立翼型编写的互动式的程序。它由下列执行各种函数的一系列菜单操作程序组成：-对一种已经存在的的翼型的粘流（或无粘流）分析，允许：*强制或自由转换*转捩的气泡分离*除了最大升力系数还可以对升力和阻力预测*卡门- 钱学森压缩性修正-通过屏幕指针或鼠标操作指定特定的表面速度分布，对翼型进行设计和优化设计。两种这样的工具可以实现：*完全反设计：基于一个复杂的绘图公式；*混合反设计: 一种xfoil的基本嵌版方法（面涡法）的扩展完全反设计允许多点设计，而混合反设计则需要对翼型个部分相对严格的几何约束

包括 奥钢联托马尔没有 cu huahusf dkjdlkskl ksldjlkjakdlj kjsadhkjhksdja lkjfdkljhjiuyuierhghjbdf jksdhkfhdskjfsd 结束

C++实现计算器-C achieve calculator

为什么这么简单的程序会让蚂蚁干这样复杂的事情？答案是：简单规则的涌现。事实上，每只蚂蚁并不是像我们想象的需要知道整个世界的信息，他们其实只关心很小范围内的眼前信息，而且根据这些局部信息利用几条简单的规则进行决策，这样，在蚁群这个集体里，复杂性的行为就会凸现出来。这就是人工生命、复杂性科学解释的规律！  

需要一个文本文件作为输入包含 x 和 y 坐标的一系列的曲线上的点。该代码然后使用遗传算法训练神经网络来逼近同一条曲线。运行从 python 命令行 ；示例输入的命令会看起来像： python nn_weights_1.py-r 10-n 100 g 500-t 3600.0-RandomCrossOver-s random_seeds_100.txt-i sine_datapoints1.txt-o results.txt nn_weights_1.py 在哪里的代码文件中，名称-r 告诉它多少运行来执行，-n 告诉它在人口中的多少人-g 告诉它多少代人，在每个运行，-t 告诉它的最长时间 （以秒为单位） 运行，— — 告诉它要使用 （随机、 HillClimber、 RandomCrossOver、 SmallCrossOver、 SmartCrossOver） 的算法，-s 告诉它什么文件用于随机种子 （可选），我告诉它什么数据文件用作输入和-o 告诉它要将输出发送到什么文件。

一种经典的频繁子树挖掘算法，里面包含一个执行文件gSpan和两个graph实验数据文件，还有一个使用说明文件readme. 运行环境是Linux。 首先解压文件gSpan6.tar.gz,然后进入加压后文件，按照说明运行命令即可