[数据结构常用算法] 955248

说明：ramp response r amp response ramp response div hr div B 文件列表 B ： div d()
<iuyual > 在 2025-02-28 上传 | 大小：7kb | 下载：0

[数值算法/人工智能] 99780095

说明：ransac是常用的稳健计算机视觉的方法,可用于两幅影像的配准,本源代码用仿摄模型模拟两影像的几何变形,用ransac算法()
<BWMH%252D20686 > 在 2025-02-28 上传 | 大小：1kb | 下载：0

[人工智能/神经网络/遗传算法] 60719027

说明：Signals and Slots in C++　 Sarah Thompson March 2002()
<ebbroutkje > 在 2025-02-28 上传 | 大小：85kb | 下载：0

[数据挖掘] whhv

说明：Simple Genetic Algorithm 遗传算法的!c语言的源程序()
<Yvwnnc > 在 2025-02-28 上传 | 大小：3kb | 下载：0

[数值算法/人工智能] Numerical Approaches to Combustion Modeling

说明：关于燃烧数值计算编程的经典书籍，很受欢迎，建议初学者阅读。(The classic books on the combustion flow calculation programming are very popular and are recommended for beginners to read.)
<effie4117 > 在 2025-02-28 上传 | 大小：40.89mb | 下载：0

[大数据] YWFHNPC

说明：the datestrut and arithmetic with 贪心算法概论()
<NHfzgz+9027 > 在 2025-02-28 上传 | 大小：253kb | 下载：0

[数值算法/人工智能] Combustion Physical and Chemical Fundamental

说明：关于数值燃烧学计算编程的经典书籍，很受欢迎，建议初学者阅读。(The classic books on thecombustion flow calculation programming are very popular and are recommended for beginners to read.)
<effie4117 > 在 2025-02-28 上传 | 大小：5.19mb | 下载：0

[数据挖掘] ukawwo

说明：SVD算法：利用SVD分解的平移,旋转矩阵算法()
<Sslly > 在 2025-02-28 上传 | 大小：2kb | 下载：0

[数值算法/人工智能] 111

说明：关于有限元计算编程的经典书籍，很受欢迎，建议初学者阅读。(The classic books on finite element programming are very popular and are recommended for beginners to read.)
<effie4117 > 在 2025-02-28 上传 | 大小：5.26mb | 下载：0

[matlab例程] hht

说明：HHT主要内容包含两部分，第一部分为经验模态分解（Empirical Mode Decomposition，简称EMD），它是由Huang提出的；第二部分为Hilbert谱分析（Hilbert Spectrum Analysis，简称HSA）。(The main content of HHT includes two parts. The first part is Empirical Mode Decomposition (EMD),
<WanderKing > 在 2025-02-28 上传 | 大小：179kb | 下载：0

[matlab例程] julei

说明：聚类算法是给一大堆原始数据，然后通过算法将其中具有相似特征的数据聚为一类。 这里的k-means聚类，是事先给出原始数据所含的类数，然后将含有相似特征的数据聚为一个类中。(The clustering algorithm is given to a large number of original data, and then the data with similar features are gathered into a c
<WanderKing > 在 2025-02-28 上传 | 大小：1kb | 下载：0

[matlab例程] SVM

说明：训练集：trainset(); 分别取bedroom(1:5,:)和forse(1:5,:)作为训练集； 测试集：testset(); 分别取bedroom(6:10,:)和forse(6:10,:)作为测试集； 标签集：label(); 取bedroom的数据为正类标签为1；forse的数据为负类标签为-1.(Training set: trainset (); take bedroom (1:5,) and forse (1:
<WanderKing > 在 2025-02-28 上传 | 大小：549kb | 下载：0