包含矩阵定义，矩阵输出，矩阵格式化输出，矩阵转置，矩阵相加，矩阵相乘，N阶方阵行列式求值，求逆，求伴随矩阵，求上三角形 命名空间：matrix 定义类：Matrix 方法： public Matrix(int mm, int nn) 定义矩阵A: Matrix A=new Matrix(int mm, int nn); public double read(int i, int j) 获取Aij: A.read(i,j); public int write(int i, int j, double val) 将数据b写入Aij: A.read(i,j,b); 释放矩阵： public void freeMatrix() A.freeMatrix(); 方法： //C = A + B //成功返回1,失败返回-1 public int add(ref Matrix A, ref Matrix B, ref Matrix C) //C = A - B //成功返回1,失败返回-1 public int subtract(ref Matrix A, ref Matrix B, ref Matrix C) //C = A * B //成功返回1,失败返回-1 public int multiply(ref Matrix A, ref Matrix B, ref Matrix C) //行列式的值,只能计算2 * 2,3 * 3 //失败返回-31415,成功返回值 public double det(ref Matrix A) //求转置矩阵,B = AT //成功返回1,失败返回-1 public int transpos(ref Matrix A, ref Matrix B) //求逆矩阵,B = A^(-1) //成功返回1,失败返回-1 public int inverse(ref Matrix A, ref Matrix B) //矩阵输出// public string Out(ref Matrix A) //矩阵格式化输出// public string Outt(ref Matrix A, string format) //矩阵一维数组赋值// public void Fuzhi( ref Matrix A , double[] arr) //方阵行列式值// public double Det(ref Matrix A) //矩阵的伴随矩阵// public void Accompany(ref Matrix A, ref Matrix B) //伴随矩阵法求矩阵的逆// public void Inverse(ref Matrix A, ref Matrix B) //矩阵相等// public void Equal(ref Matrix A, ref Matrix B) //C = A + B //成功返回1,失败返回-1 A.add(ref Matrix A, ref Matrix B, ref Matrix C); //C = A - B //成功返回1,失败返回-1 A.subtract(ref Matrix A, ref Matrix B, ref Matrix C) //C = A * B //成功返回1,失败返回-1 A.multiply(ref Matrix A, ref Matrix B, ref Matrix C) //行列式的值,只能计算2 * 2,3 * 3 //失败返回-31415,成功返回值 A.det(ref Matrix A) //求转置矩阵,B = AT //成功返回1,失败返回-1 A.transpos(ref Matrix A, ref Matrix B) //求逆矩阵,B = A^(-1) //成功返回1,失败返回-1 A.inverse(ref Matrix A, ref Matrix B) //矩阵输出// A.Out(ref Matrix A) //矩阵6位小数输出// A.Outt(ref Matrix A) //矩阵一维数组赋值// A.Fuzhi( ref Matrix A , double[] arr) //方阵行列式值// A.Det(ref Matrix A) //矩阵格式化输出// public string Outt(ref Matrix A, string format) A.Outt(ref Matrix A, string format); //矩阵的伴随矩阵// public void Accompany(ref Matrix A, ref Matrix B) A.Accompany(ref Matrix A, ref Matrix B); //伴随矩阵法求矩阵的逆// public void Inverse(ref Matrix A, ref Matrix B) A.Inverse(ref Matrix A, ref Matrix B); //矩阵相等// public void Equal(ref Matrix A, ref Matrix B) A.Equal(ref Matrix A, ref Matrix B); 格式说明符说明 示例 输出 C 货币 2.5.ToString("C") ￥2.50 D 十进制数 25.ToString("D5") 00025 E 科学型 25000.ToString("E") 2.500000E+005 F 固定点 25.ToString("F2") 25.00 G 常规 2.5.ToString("G") 2.5 N 数字 2500000.ToString("N") 2,500,000.00 X 十六进制 255.ToString("X") FF

matlab条纹代码带衰减的SPECT系统矩阵 第1部分基本功能 基本结构 cmi_image：名称：图像的描述n_row，n_col，n_depth：图像的大小（n_depth == 1表示2d图像）data_type：支持四种不同的类型（bool，int，float，double）数据：raw数据void *类型 基本功能 allocimage：构造方法，类似于MATLAB中的zeros函数 allocimage2d：构造一个2d图像。 writerawimage：将图像数据另存为二进制文件。 第2部分系统矩阵计算 在此代码中，我们使用区域交集模型（AIM）来计算像素的权重。 有限宽度的条与像素之间的相交区域。 可以通过预先计算像素足迹来快速计算。 可能出现的重叠情况可能很复杂，我们需要讨论每个像素属于哪个重叠情况。 该代码的主要思想是首先获取每个像素的四个角属于哪个条并记录下来。 然后使用结果计算相交面积。 对于沿一条光线（条带）的像素，我们根据其与检测器平面的距离对其进行排序，以便更轻松地计算衰减图。 我们将整个过程分为两部分：1.衰减垫A 2.系统垫H compute_sys

android相册系统(用Matrix实现).zip

蛋白质接触矩阵是3D蛋白质结构中氨基酸残基之间距离的2D表示。 蛋白质接触图生成器（PCMGen）是一种命令行工具，它将蛋白质3D结构（PDB格式的文件）作为输入，并计算两条链（来自单个或两个不同的蛋白质）之间的接触距离。 这些矩阵文件可以使用其他可视化工具/程序（如R-heatmaps）进一步可视化为Contact Maps。 接触图可用于理解蛋白质：1.二级结构2.构象排列3.表面相互作用

C++实现矩阵的基本运算，包括：求逆，转置，矩阵乘法，矩阵数乘。代码支持模板实例化，矩阵中的元素可以使任意数值型。封装了两个类：Matrix类和UI类，Matrix类实现了相应运算，UI实现输入，支持从文件输入和从键盘输入两种输入操作。

数据结构英文课件：Chap5 Array, Matrix and Generalized List.ppt

与国内大多数的高等代数教材不同，本书对在经典统计模型中投影矩阵及其广义逆等都有着比较深入的介绍，对于理解经典统计理论很有帮助。

数据结构教学课件：Chapter Five Array、Matrix、Lists.ppt

IBM SurePOS 500系列收款机在国内发售的搭配的S78A键盘的烧录软件。 支持WIN7 XP系统，支持自动安装PS2口驱动。不需要手动选择驱动安装。 需要注意的是，键盘生产厂商不同，即使外观和功能都相同，所需驱动也不一样。 如果不能使用，请换别的版本。 本压缩包内，包含：安装文件，键位图（参考）、键位图对应键位文件（S78A.dat），支持S78A键位导入

【IEEE ICASSP 2022教程】非负矩阵分解的最新进展，266页ppt 自Paatero & Tapper(1994)和Lee & Seung(1999)的开创性著作引入非负矩阵分解(NMF)以来，已经过去了二十多年。此后，NMF在音频源分离、高光谱解混、用户推荐、文本信息检索、生物识别、网络分析等多个领域产生了重大影响。虽然更复杂的体系结构，比如神经网络，在一些有监督的情况下可以胜过因子分解模型，但是NMF是基于一种生成和可解释的模型，在许多情况下，这仍然是一种流行的选择，特别是对于不需要或只需要很少的训练数据的任务(例如:在无监督设置)。本教程旨在回顾过去十年在NMF方面的一些最重要的进展，重点关注NMF优化方面的最新进展(包括最先进的算法，如最大化-最小化，收敛特性，大规模实现，稀疏和时间正则化)，NMF的模型选择(包括选择合适的拟合测度、秩估计)和最近的NMF扩展(包括存在异常值时的稳健NMF、可分离的NMF、正半定矩阵分解、基于NMF的排序模型)。本教程将针对没有NMF经验的初学者和在其更高级的材料中更有知识的从业者。