开放伽玛 伽玛 Java（浮点数据类型）中Gamma函数（和阶乘）的开源实现。 使用OGamma类中的gamma函数来计算gamma（x），因为x是除非正整数之外的任何实数。 阶乘函数仅允许正实数。 您可以输入-35到+35之间的任何数字。 为了能够评估更大数字的gamma /阶乘函数，请使用logGamma和logFactorial函数。 注意，它们目前仅接受正输入。 快速伽玛 Java中Gamma和LogGamma函数的开源实现（双精度和浮点数据类型）。 请注意，它们仅返回实际值的近似值！ （最多2-3位）对于较小的值，结果甚至可能是完全错误的！ 这些实现不进行任何参数检查，仅对相对较大的正输入值有用。 因此，它们的速度非常快，但同时又不够精确。 快速伽玛 C / C ++（double和float数据类型）中Gamma和LogGamma函数的开源实现。 请注意，它们仅返回实际值

源码里面有一个dll和一个线程注入的源码 可以拦截到自己调用浏览器控件的浏览内容  处理下 可以做一个网站的抓包程序

内容包含图的相关算法的关键代码，包含但不限于图的存储结构（邻接矩阵和邻接表）、DFS 和 BFS（含递归和非递归两种形式）、拓扑排序、最小代价生成树（Prim 和 Kruskal 算法）、最短路径（Dijkstra 和 Floyd 算法）等等。 在内容的最后，还附加有习题（含真题）以及解析。 适合考暨南大学 848 和 830 考研中（图的相关应用算法是考试的重点）， 或是其他需要考或学习图的应用算法的人群。 PDF 源于下方链接：（如若有问题可以问博主，若博主在线便会回答） https://blog.csdn.net/qq_34438969/article/details/127176373

嵌入式系统设计IP模块验证相关资料 嵌入式系统设计IP模块验证相关资料

包括图像平滑、图像增强、图像边缘检测、图像阈值化、图像细化、面积测量、区域边界提取和周长计算。 描述 中国科技大学图像测量的五个实验，包括图像平滑、图像增强、图像边缘检测、图像阈值化、图像细化、面积测量、区域边界提取和周长计算。 实验一 图像平滑和图像增强 实验包括图像平滑和图像增强。分别采用空间邻域平均、中值滤波、最大值和最小值滤波等方法实现对采集到的灰度图像的平滑处理，并利用空域图像锐化方法。锐化图像（其中 α 是用于控制锐化程度的可选因素）以去除噪声并增强细节信息，例如图像的轮廓边缘。 实验2 图像边缘检测 本实验中图像边缘检测采用一阶微分算子priwitt算子和平滑算子对实验1中平滑增强的灰度图像进行边缘检测。 实验 3 图像阈值化和图像细化 这个实验是图像的阈值化和细化。它主要利用图像的灰度直方图来确定相应的分割阈值，并将图像划分为物体和背景。在本实验中，我们使用 S.Watanabe 方法选择阈值对图像进行二值化，并使用 Deutsch 方法对二值化图像进行细化。 实验 4 面积测量 更多详情、使用方法，请下载后阅读README.md文件

php-license是一个用于生成和解析许可证(license)的库

我们选取了simplescalar模拟器中的sim-profile作为分析统计的工具。simplescalar是一个易于修改扩充，性能效率较高的模拟器，因此在世界范围内被学术界广为采用。本次实习我们将从simplescalar的源码开始，编译sim-profile模块以生成我们需要的工具。

文中【模式识别1】Eigenfaces相关部分代码，通过PCA主成分分析计算出ORL数据集中人脸图像的特征向量（特征脸）和特征值，并将特征脸用JET颜色图进行可视化，最后利用一定数量的特征脸对PCA降维后的人脸向量进行重建，并可视化重建效果

文中【模式识别1】Fisherfaces相关部分代码，基于FLD的人脸识别算法

文章【模式识别2】KNN相关部分代码。能够将原来的ORL数据集划分训练集和验证集，并输入改进的KNN算法（WK-NNC）进行识别。KNN（K-Nearest Neighbor，K最近邻）算法可以用于分类和回归任务，是一种监督学习算法。它的主要思路是，如果一个样本在特征空间中的K个距离最近的样本中大多数属于某一个类别，则该样本也属于这个类别。