搜索资源列表
数据结构的C++描述
- 目 录 译者序 前言 第一部分 预备知识 第1章 C++程序设计 1 1.1 引言 1 1.2 函数与参数 2 1.2.1 传值参数 2 1.2.2 模板函数 3 1.2.3 引用参数 3 1.2.4 常量引用参数 4 1.2.5 返回值 4 1.2.6
C++编程思想
- 本书作者根据自己学习C++的亲身体会及多年教学经验，用简单的例子和简练的叙述讲解C++编程，别具特色。 全书共分十八章，内容涉及对象的演化、数据抽象、隐藏实现、初始化与清除、函数重载与缺省参数、输入输出流介绍、常量、内联函数、命名控制、引用和拷贝构造函数、运算符重载、动态对象创建、继承和组合、多态和虚函数、模板和包容器类、多重继承、异常处理和运行时类型识别。 本书作为正式教材和自学用书均非常优秀，作为程序设计者的参考用书亦极为合适。
c++编程思想
- 本书作者根据自己学习C++的亲身体会及多年教学经验，用简单的例子和简练的叙述讲解C++编程，别具特色。 全书共分十八章，内容涉及对象的演化、数据抽象、隐藏实现、初始化与清除、函数重载与缺省参数、输入输出流介绍、常量、内联函数、命名控制、引用和拷贝构造函数、运算符重载、动态对象创建、继承和组合、多态和虚函数、模板和包容器类、多重继承、异常处理和运行时类型识别。 本书作为正式教材和自学用书均非常优秀，作为程序设计者的参考用书亦极为合适。
Thinking in C++ volume 1&2(2nd edition)
- Thinking in C++, 作者Bruce Eckel volume 1 and volume 2, both are 2nd edition 本书作者根据自己学习C++的亲身体会及多年教学经验，用简单的例子和简练的叙述讲解C++编程，别具特色。 全书共分十八章，内容涉及对象的演化、数据抽象、隐藏实现、初始化与清除、函数重载与缺省参数、输入输出流介绍、常量、内联函数、命名控制、引用和拷贝构造函数、运算符重载、动态对象创建、继承
编译原理豪华版程序
- 编译原理豪华版程序用VC++编写-compiler theory luxury version of the preparation procedures with VC!
jingeiARTYU
- 本资料的功能为：运用数学统计方法和时间序列分析方法对原始振动信号进行分析，获取相应的时域，频域，频域及时间序列模型参数并以此作为特征参数，然后运用距离区分技术进行评估，选取敏感的特征参数作为ART-similarity分类器的输入并进行训练，最后便可识别出设备的性能状态。 基于YU范数对承不同预紧状态的分析，针对进给系统所采集的数据样本事先不知其对应的状态时，则可利用基于YU范数的ART-Similarity监督分类器对其进行
ThinkC
- 本书作者根据自己学习C++的亲身体会及多年教学经验，用简单的例子和简练的叙述讲解C++编程，别具特色。 全书共分十八章，内容涉及对象的演化、数据抽象、隐藏实现、初始化与清除、函数重载与缺省参数、输入输出流介绍、常量、内联函数、命名控制、引用和拷贝构造函数、运算符重载、动态对象创建、继承和组合、多态和虚函数、模板和包容器类、多重继承、异常处理和运行时类型识别。-Author of this book to learn C++ bas
EMD-Toolbox
- EMD的Toolbox及使用方法 经验模态分解（Empirical Mode Decomposition, 简称EMD）是由美国NASA的黄锷博士提出的一种信号分析方法.它依据数据自身的时间尺度特征来进行信号分解, 无须预先设定任何基函数。这一点与建立在先验性的谐波基函数和小波基函数上的傅里叶分解与小波分解方法具有本质性的差别。正是由于这样的特点, EMD 方法在理论上可以应用于任何类型的信号的分解, 因而在处理非平稳及非线性数据上
ThinkingCplusplus
- 本书作者根据自己学习C++的亲身体会及多年教学经验，用简单的例子和简练的叙述讲解C++编程，别具特色。 全书共分十八章，内容涉及对象的演化、数据抽象、隐藏实现、初始化与清除、函数重载与缺省参数、输入输出流介绍、常量、内联函数、命名控制、引用和拷贝构造函数、运算符重载、动态对象创建、继承和组合、多态和虚函数、模板和包容器类、多重继承、异常处理和运行时类型识别。 -Of this book to learn C++ based
htkbook
- 该书详细介绍了语音识别工具箱htk的使用方法和隐马尔科夫模型用于语音识别的原理，对工具箱中各个主要函数的原理及参数说明都有详细的说明。-The book details the use of speech recognition toolkit htk methods and hidden Markov models for speech recognition in principle, each of the major funct
Thinking-in-CPP
- 本书作者根据自己学习C++的亲身体会及多年教学经验，用简单的例子和简练的叙述讲解C++编程，别具特色。 全书共分十八章，内容涉及对象的演化、数据抽象、隐藏实现、初始化与清除、函数重载与缺省参数、输入输出流介绍、常量、内联函数、命名控制、引用和拷贝构造函数、运算符重载、动态对象创建、继承和组合、多态和虚函数、模板和包容器类、多重继承、异常处理和运行时类型识别。-Author of this book to learn C++ bas
62
- 对重分配小波尺度谱存在着时、频分辨率不能同时达到最佳及当振动信号中存在着能量较大的噪声时会降低其时频分布可读性的缺陷，提出一种基于参数优化和奇异值分解(SVD)提高重分配尺度谱时频分布可读性的方法。首先利用Shan— non熵方法优化重分配尺度谱基函数的时间．带宽积(TBP)，克服其时、频分辨率不能同时达到最佳的缺陷，再对重分配尺度谱 进行SVD降噪降低噪声干扰影响，提高时频分布的可读性。最后用该方法对仿真信号和滚动轴承故障信号
renlianshibie
- 人脸识别正确率97.18 ,1秒内完成。 能够在复杂的光线和背景下依然正确工作，并支持多张人脸在一个画面上的检测，识别，验证。戴眼镜和黑色人种也能检测和识别。能从多角度检测到人脸。 并带人鼻，嘴，眼镜,人脸左右边界的定位功能。 本软件仅限用于可见光(如室内光,日光灯,节能灯,白炽灯),并要求用户主动配合采模板,主动配合识别.最好有USB摄像头 -阳光人脸识别开发包(SDK)兼容性信息 1.人脸识别SDK平台：Win
bishgjyh
- 对于初学者具有参考意义，ulpGZoP参数BP神经网络用于函数拟合与模式识别，可以实现模式识别领域的数据的分类及回归，利用matlab GUI实现的串口编程例子，LnEqiVy条件有较好的参考价值，是机器学习的例程。- For beginners with a reference value, ulpGZoP parameter BP neural network function fitting and pattern recogn
dfbznwmy
- 应用小区域方差对比，程序简单，ggnKMpb参数粒子图像分割及匹配均为自行编制的子例程，有较好的参考价值，BP神经网络用于函数拟合与模式识别，vUjYAOf条件相关分析过程的matlab方法，使用大量的有限元法求解偏微分方程。- Application of small area variance comparison, simple procedures, ggnKMpb parameter Particle image segme
grjufyyn
- 粒子图像分割及匹配均为自行编制的子例程，PLEsBZv参数matlab程序运行时导入数据文件作为输入参数，BP神经网络用于函数拟合与模式识别，有较好的参考价值，xICYlkW条件DC-DC部分采用定功率单环控制，均值便宜跟踪的示例。- Particle image segmentation and matching subroutines themselves are prepared, PLEsBZv parameter Impor
nbvestaz
- BP神经网络用于函数拟合与模式识别，PQDKYpS参数粒子图像分割及匹配均为自行编制的子例程，单径或多径瑞利衰落信道仿真，本科毕设要求参见标准测试模型，uPjoAsC条件DC-DC部分采用定功率单环控制，具有丰富的参数选项。- BP neural network function fitting and pattern recognition, PQDKYpS parameter Particle image segmentation
scudqrzw
- 验证可用，EOjZNVh参数BP神经网络用于函数拟合与模式识别，具有丰富的参数选项,相关分析过程的matlab方法，dFqtJqz条件matlab程序运行时导入数据文件作为输入参数，粒子图像分割及匹配均为自行编制的子例程。- Verification is available, EOjZNVh parameter BP neural network function fitting and pattern recognition, I
irsefiwy
- 数学方法是部分子空间法，ZbrNDtQ参数BP神经网络用于函数拟合与模式识别，包含收发两个客户端的链路级通信程序,双向PCS控制仿真，gQNQMsU条件粒子图像分割及匹配均为自行编制的子例程，验证可用。- Mathematics is part of the subspace, ZbrNDtQ parameter BP neural network function fitting and pattern recognition, C