GVF snake的C++实现，开发环境为VC6.0,OpenCV。大部分代码都为本地代码。代码依据GVF原始论文以及其demo编写。

SpMV_CSR 使用压缩稀疏行格式的稀疏矩阵矢量乘法来编译代码，请使用gcc CSR.c mmio.c -o csr ./csr [filename.mtx]

这个程序是我参考了网上的一些方案自己总结了比较简单的方法，代码如下： from numpy import random import numpy as np array = random.randint(1,20,size=(10,10)) print(array) np.savetxt('E:\\test.csv',array,fmt='%d',delimiter=' ') 输出的结果如下: 有个缺点就是输出的csv文件没对齐，如下: 用到的numpy函数需要自己下载，网站在这里https://www.lfd.uci.edu/~gohlke/pythonlibs/#numpy wind

大学生C语言课程设计：三元向量的比较 包含详细的代码

explicit-mpc：基于鲁棒非线性回归和约简支持向量机的基于学习的显式非线性模型预测控制

采用jacobi法求解矩阵全部的特征值特征向量，在WIN-TC运行环境下，采用C程序编程。

设计思想：用带双步位移的QR分解法求矩阵A（10*10）的全部特征值。在计算出A的基础上，先利用Householder矩阵对矩阵A作相似变换，把A化为拟上三角矩阵A(n-1)，然后进行带双步位移的QR分解（其中Mk的QR分解可调用子程序），通过调用一元二次方程的根解二阶块矩阵的特征值，最后计算出A(n-1)的特征值，即为A的特征值，然后对实特征值利用列主元高斯消元法求解其对应的特征向量。

word2vec介绍 word2vec官网：https://code.google.com/p/word2vec/ word2vec是google的一个开源工具，能够根据输入的词的集合计算出词与词之间的距离。 它将term转换成向量形式，可以把对文本内容的处理简化为向量空间中的向量运算，计算出向量空间上的相似度，来表示文本语义上的相似度。 word2vec计算的是余弦值，距离范围为0-1之间，值越大代表两个词关联度越高。 词向量：用Distributed Representation表示词，通常也被称为“Word Representation”或“Word Embedding

雅克比法求取矩阵特征值和特征向量 考虑线性方程组Ax = b时，一般当A为低阶稠密矩阵时，用主元消去法解此方程组是有效方法。但是，对于由工程技术中产生的大型稀疏矩阵方程组，利用迭代法求解此方程组就是合适的，在计算机内存和运算两方面，迭代法通常都可利用A中有大量零元素的特点。雅克比迭代法就是众多迭代法中比较早且较简单的一种。

求解矩阵特征值特征向量有很多种，本文利用数值分析的矩阵QR分解，基于C++代码实现对任意一个可逆方阵的求解。