免责声明：此资源来源于网络，其著作权属于与本书相关的单位或个人。在此仅供学习和交流使用，请在下载后24小时内删除。如果因此而引起相关法律问题，本人概不负责，谢谢合作。经典著作《Multiboot Specification》的中文版《多重引导规范》，操作系统类的圣经级著作。

作者: Charles B. Morrey Jr. 出版社: 世界图书出版公司北京公司 原作名: Multiple Integrals in the Calculus of Variations 出版年: 2013-6 定价: 89.00 装帧: 平装 丛书: Classics in Mathematics ISBN: 9787510058318 内容简介 · · · · · · 本书包含了大量科研人员学习多重积分变分问题和双曲偏微分方程问题的材料。书中不仅是作者科研成果的总结，更是同时代该领域或者相关领域的专业人士的巨大贡献。本书无疑会成为该领域科研人员的标准差参考书。本书的主要读者是对数学分析有一定基础的人员，分析专业的学生将会受益匪浅。 目录 · · · · · · 目次：导引；半经典结果；空间Hpm和Hp0m；弱解的可微性；一般双曲系统解和边界值问题的常规定理；调和积分理论的变分法；强伪-凸流形的δ-纽曼问题；参数积分导论：两维问题；高维Plateau问题。 丛书信息 　　Classics in Mathematics (共33册), 这套丛书还有 《代数拓扑讲义》,《二次型导论》,《有限几何（英文版）》,《Cn单位球上的函数理论》,《熵大偏差和统计力学》 等。

matlab经典小代码经典代数多重网格方法（AMG）演示 经典代数多重网格方法（AMG）的简单实现。 多重网格求解器的主要过程和求解器中的参数（如平滑器前后的数量）与几乎相同。 源代码干净，应该易于阅读。 生成粗网格问题可能会有点慢:) 注意：在我的代码中不包括在Classic AMG中生成粗网格的“第二遍”。 这是“几何多重网格（GMG）”和“代数多重网格（AMG）”的一个小比较： 这是另一个测试用例：使用均匀的三角形元素求解FEM生成的线性系统（使用MATLAB代码生成数据）： 参考： 优素福·萨德（Yousef Saad），稀疏线性系统的迭代方法（第二版） ，费城：SIAM​​，2003年 RD Falgout， 《代数多重网格简介》 ，《科学与工程杂志》，2006年，第8卷，第6期

本文通过对我国人均食品支出的相关影响因素数据进行收集整理，并运R软件对收集到的数据进行分析整理。首先对因变量和自变量进行描述性统计，利用1985年到2016年的数据建立多元线性模型，进行统计检验以及残差的检验，利用偏最小二乘和主成分回归处理多重共线性。运用迭代法处理自相关问题，最终得到最优模型对2017年的食品消费支出进行相关估计和预测。

Excel中新增的多重条件函数.pdf

软件介绍: Multiple Copy Paste即多重复制与粘贴软件，是一款强大的剪贴板工具，它能够帮助你处理多重粘贴条目。自动剪贴板可记录你的每次复制记录，并以列表方式显示。可以为每个粘贴项设置快捷热键。多重复制粘贴，可设置自动剪贴最大数目。通过设置的热键能将所需要的剪贴项目粘贴到第三方软件中。不用担心本软件会占用过多内存，实验证明它的系统占用率几乎可以忽略不计。默认是英文，点击齿轮图标，在Show Language中可选择中文界面。软件已破解，输入任意字符即可注册。

geojson-area, 计算geojson多边形或者多重多边形的面积 geojson区域计算任意 GeoJSON 几何图形内的区域。用法npm install @mapbox/geojson-area示例var geojsonArea = require('@mapb

Xilinx 7系列FPGA是Xilinx公司最新推出的一个芯片系列，Kintex7是该系列芯片中的一种，拥有大量的可编程资源。FPGA的多重加载可以解决可编程资源不足的难题。FPGA多重加载是将设计的多个模式的比特文件存储到Flash，用户可以根据需要选择加载不同模式的比特文件。FPGA的多重加载解决了可编程资源不足的问题，提高了FPGA可编程资源的利用率。

R语言计算平衡不完全区组设计(BIB)的方差分析与多重对比；有助于农林业研究进行BIB试验的方差分析与多重对比！！！包含数据处理格式，没有使用R语言中有关BIB的packages，自己编码；代码简单易懂，执行无错误！ 注意：多重对比1中，相同字母表示差异显著！！！

这项工作旨在检测和解决回归分析中的多重共线性问题。 因此，方差膨胀因子（VIF）和条件指数（CI）被用作这种检测的量度。 除了传统的简单线性回归之外，岭回归（RR）和主成分回归（PCR）是建模中使用的其他两种方法。 为了比较这两种方法，使用了模拟数据。 我们的任务是根据各自方法的均方误差确定每种方法的有效性。 从结果可以发现，当预测变量之间存在多重共线性时，岭回归（RR）方法优于主成分回归。