本文试图从以下几个方面来讲解递归  1、什么是递归？  2、递归算法通用解决思路  3、实战演练（从初级到高阶）  4、递归函数调用栈  5、递归算法时间复杂度分析与求解  力争让大家对递归的认知能上一个新台阶，特别会对递归的精华:时间复杂度作详细剖析，会给大家总结一套很通用的求解递归时间复杂度的套路，相信你看完肯定会有收获。  简单地说，就是如果在函数中存在着调用函数本身的情况，这种现象就叫递归。  以阶乘函数为例,如下, 在 f 函数中存在着 f(n - 1) 的调用，所以此函数是递归函数。  进一步剖析「递归」，先有「递」再有「归」，「递」的意思是将问题拆解成子问题来解决， 子问题再拆解成子子问题，...，直到被拆解的子问题无需再拆分成更细的子问题（即可以求解），「归」是说最小的子问题解决了，那么它的上一层子问题也就解决了，上一层的子问题解决了，上上层子问题自然也就解决了,....,直到最开始的问题解决,文字说可能有点抽象，那我们就以阶层 f(6) 为例来看下它的「递」和「归」。  求解问题 f(6), 由于 f(6) = n * f(5), 所以 f(6) 需要拆解成 f(5

整理的AES算法，包括小刀人翻译的版本和英文版本，供参考

简要： EigenFace是基于PCA降维的人脸识别算法，PCA是使整体数据降维后的方差最大，没有考虑降维后类间的变化。 它是将图像每一个像素当作一维特征，然后用SVM或其它机器学习算法进行训练。但这样维数太多，根本无法计算。我这里用的是ORL人脸数据库，英国剑桥实验室拍摄的，有40位志愿者的人脸，在不同表情不同光照下每位志愿者拍摄10张，共有400张图片，大小为112*92，所以如果把每个像素当做特征拿来训练的话，一张人脸就有10304维特征，这么高维的数据根本无法处理。所以需要先对数据进行降维，去掉一些冗余的特征。 第一步：将ORL人脸图片的地址统一放在一个文件里，等会通过对该文件操作，将

基于CBF的CLEAN-SC算法详述与MATLAB程序

fft快速傅里叶变换蝶形算法详解，非常详细

1. ETL的定义：是数据抽取(Extract)、转换(Transform)、清洗(Cleansing)、装载(Load)的过程。是构建数据仓库的重要一环，用户从数据源抽取出所需的数据，经过数据清洗，最终按照预先定义好的数据仓库模型，将数据加载到数据仓库中去； 2. 常用的ETL工具：主要有三大主流工具，分别是Ascential公司的Datastage、Informatica公司的Powercenter、NCR Teradata公司的ETL Automation.还有其他开源工具，如PDI(Kettle)等。

主要为大家详细介绍了Opencv EigenFace人脸识别算法的相关资料，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

PID算法详解，绝对详细，不满意来砍我，为了换点积分，把宝贝拿出来了。

排序算法详解（java代码实现）.doc

C语言 冒泡排序算法 冒泡排序（Bubble Sort）是一种简单的排序算法。它重复地走访过要排序的数列，一次比较两个元素，如果他们的顺序错误就把他们交换过来。走访数列的工作是重复地进行直到没有再需要交换，也就是说该数列已经排序完成。这个算法的名字由来是因为越小的元素会经由交换慢慢“浮”到数列的顶端。 冒泡排序对n个项目需要O(n2)的比较次数，且可以原地排序。尽管这个算法是最简单了解和实作的排序算法之一，但它对于少数元素之外的数列排序是很没有效率的。 冒泡排序是与插入排序拥有相等的执行时间，但是两种法在需要的交换次数却很大地不同。在最坏的情况，冒泡排序需要O(n2)次交换，而插入排序只要最多