针对现有迭代最邻近点(ICP)算法在点云数据配准过程中查找对应最近点速度缓慢、配准效率低的问题,提出一种采用点云重心距离进行边界检测的点云数据配准新算法.该算法首先运用主成分分析法进行点云数据粗配准,获得良好点云姿态;其次,采用点云重心距离特征进行边界检测并提取待配准点云边界;在此基础上,利用K-D树在两点云边界中查找对应最近点对,并通过单位四元数法进行坐标转换,求得平移矩阵及旋转矩阵,从而实现快速、精确的点云数据配准.实验结果表明:与经典ICP算法、现有改进ICP算法相比,本文中点云边界特征点的提取简单快速,极大简化了配准点集,简化率达到2.24%,改进方法的配准效率提高了25.8%.本文算法在保证精度基础上有效提高了配准效率,适用于数据量较大的点云数据配准.

这是C#的控制台程序，用不到70行代码解决了24点游戏的算法问题。给出4个数字，能够计算4个数字加减乘除后得到24的所有式子。代码里对括号进行了处理。

这是一个用C++回溯法实现的24点的计算算法，用户随机的输入4个数字可以算出是否存在有用四则运算法则构成的24点的计算公式

K-medoids:K-中心点算法 不采用聚类中对象的平均值作为参照点，而是选用聚类中位置最中心的对象，即中心点（medoid）作为参照点 首先随机选择k个对象作为中心，把每个对象分配给离它最近的中心 然后随机地选择一个非中心对象替换中心对象，计算分配后的距离改进量。聚类的过程就是不断迭代，进行中心对象和非中心对象的反复替换过程，直到目标函数不再有改进为止。

本资源针对一种边权重存在重尾分布复杂网络，改进原本的SIR模型对TopK重要节点进行性能评估。并将传播过程绘制成可视化图。本资源使用networkx工具包。

802.11Wi-Fi网络中，接入点（AP）的介质接入控制（MAC）协议分配给它的竞争用户（STA）相等的传输机会而不考虑的用户的链路质量的差异，这就会导致有着不同链路质量的竞争节点获得相等的吞吐量（基于吞吐量的公平性），从而降低网络整体的性能。为了克服这一性能异常问题，基于比例公平的优化由于其吞吐量增强能力已经引起广大的关注。在本文中，提出了一种基于邻近点算法的比例公平优化方法，每个竞争节点根据其链路质量的差异使用不同的接入概率来访问接入点。数值结果验证了我们的理论分析，Wi-Fi网络的吞吐量可以通过接入概率的优化得到显着改善。

opencv+java特征点算法demo例子，识别率至少98%以上

基与用嘴原始的8点算法计算出基础矩阵并用OpenCV仿真

关于求线段和线段，线段和圆弧，圆弧与圆弧的交点算法和测试程序，里面有算法代码，和测试程序，主要时理解算法，算法分析：http://blog.csdn.net/u012727080/article/details/78908614

用改进的八点算法求基础矩阵，进而求本质矩阵及相机外参。