-
对串的赋值算法实现
对串的赋值算法实现-right string assignment algorithm
- 2022-07-27 10:36:46下载
- 积分：1
-
KNN分类器
开发了一个简单的投票K-NN与欧氏距离分类器，输入包括训练数据，测试数据和K值，输出是测试数据的分类结果。
- 2022-04-21 02:47:33下载
- 积分：1
-
ACM题解，对大学生等很实用的，学习这个对于自己的提高的帮助那是很大很大很大地，怕丢，放上来...
ACM题解，对大学生等很实用的，学习这个对于自己的提高的帮助那是很大很大很大地，怕丢，放上来-ACM problem solutions, university students, such as practical, learning this for their own help improve it is a great great great, the fear of losing,放上来
- 2022-01-22 02:11:59下载
- 积分：1
-
近年数学建模竞赛优秀论文，具有较大参考价值
近年数学建模竞赛优秀论文，具有较大参考价值-Mathematical Contest in Modeling in recent years excellent papers, with a larger reference value
- 2022-05-17 02:34:21下载
- 积分：1
-
模糊时间序列预测股票价格(C++实现)
资源描述模糊时间序列预测股票价格(C++实现),模糊时间序列预测股票价格(C++实现),模糊时间序列预测股票价格(C++实现),模糊时间序列预测股票价格(C++实现),模糊时间序列预测股票价格(C++实现),模糊时间序列预测股票价格(C++实现)
- 2022-07-25 07:26:17下载
- 积分：1
-
一个用MASM写的正则表达式引擎
此正则表达式引擎属于正统的NFA引擎，基本兼容Perl，简单说一下引擎是怎么实现的：
首先做一个递归下降语法分析，利用栈把正则表达式转换成NFA(以有向图的形式表现)，再遍历NFA判断是否能到达完成节点。
实现正则表达式匹配的各种复杂功能的力量来自于回溯，而回溯的基础是栈，回溯能力是通过栈来达成的。
栈中保存了匹配路径中所有的状态，状态回溯就是出栈，状态匹配就是入栈。
除了回溯，一些扩展功能的实现也是通过栈来完成的，比如捕获和零宽断言，都要通过搜索或操纵栈来完成。
转换成NFA再匹配的好处是简化匹配和利于优化和DEBUG：因为不管再复杂的表达式转换成NFA之后只有边和节点组成，边和节点也只有顺序、分支、循环这三种形式组成。
详细原理说明看下面关于实现引擎的文章，第3条是我理解引擎匹配原理的入门参考。
支持GBK和UTF8编码
==参考和学习资料==
关于实现引擎的文章：
1、《Perl语言编程》第五章 书
2、《精通正则表达式》 书
3、构造正则表达式引擎 http://www.cppblog.com/vczh/archive/2008/05/22/50763.html 我的原理学习入门参考
4、NFA引擎匹配原理 http://blog.csdn.net/lxcnn/article/details/4304651
5、英文参考资料 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报
- 2022-05-27 18:36:44下载
- 积分：1
-
颜色识别
应用背景
图像颜色的检测 ，精度不是很高
视频图像中 工业检测中对颜色的判断。
将颜色分为了7类，如果有需要可以自行分类
关键技术将传统的RGB转化到到HSV上，进行颜色的识别。我是用在了车辆识别的项目上 通过对检测区域的控制来检测颜色的 精度还可以，但是遇到光照或者其他雾化的图片精度也不是很好
- 2022-03-16 11:33:13下载
- 积分：1
-
二维图形的几何变换
计算机图形学实例，实验题目：将 矩形ABCD(A(20,20), B(20, 100), C(80, 20), D(80,100)) 在 X方向平移 30个单位，Y方向平移 60个单位，X方向缩小2倍，Y方向缩小2倍。实现二维图形的基本变换，包括平移、缩放。
- 2022-03-06 03:34:48下载
- 积分：1
-
双色球随机软件源码
void CRandDlg::OnOK()
{
// TODO: Add extra validation here
int a[7];
int b=0;
srand((unsigned)time( NULL ));
for (int i=0;i
- 2022-03-24 20:24:18下载
- 积分：1
-
MOEA framework
应用背景The MOEA Framework is a free and open source Java library for developing and
experimenting with multiobjective evolutionary algorithms (MOEAs) and other
general-purpose multiobjective optimization algorithms. The MOEA Framework
supports genetic algorithms, differential evolution, particle swarm
optimization, genetic programming, grammatical evolution, and more. A number of
algorithms are provided out-of-the-box, including NSGA-II, NSGA-III, ε-MOEA,
GDE3 and MOEA/D. In addition, the MOEA Framework provides the tools necessary
to rapidly design, develop, execute and statistically test optimization
algorithms.关键技术Its key features includes:
* Fast, reliable implementations of many state-of-the-art algorithms
* Extensible with custom algorithms, problems and operators
* Supports master-slave, island-model, and hybrid parallelization
&n
- 2022-02-28 22:09:39下载
- 积分：1
