k-means 算法接受输入量 k ；然后将n个数据对象划分为 k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似 度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来 进行计算的。 　　k-means 算法的工作过程说明如下：首先从n个数据对象任意选择 k 个对象作为初始聚类中心；而对于所剩下其它对象 ，则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类；然后再计算 每个所获新聚类的聚类中心（该聚类中所有对象的均值）；不断重复这一过程直到标准测度函数开始收敛为止。一般都采用 均方差作为标准测度函数. k个聚类具有以下特点：各聚类本身尽可能的紧凑 ，而各聚类之间尽可能的分开。

大地电磁测深法的粒子群反演算法程序，一维，子群算法 粒子群算法，也称粒子群优化算法或鸟群觅食算法（Particle Swarm Optimization），缩写为 PSO， 是近年来由J. Kennedy和R. C. Eberhart等[1] 开发的一种新的进化算法(Evolutionary Algorithm - EA)。PSO 算法属于进化算法的一种，和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的“交叉”(Crossover) 和“变异”(Mutation) 操作，它通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视，并且在解决实际问题中展示了其优越性。粒子群算法是一种并行算法。

采用LSTM循环神经网络对时序数据进行预测，根据评价指标对测试集进行误差计算，具有较好的预测精度

脉冲多普勒雷达测距过程产生距离模糊，我们解距离模糊用一维集算法

应用于设计的最优化方法，应用鲍威尔法，已经黄金分割的一维搜索方法

在程序中给出了一维大地电磁测深遗传算法反演的基本原理及每步的依据，方便初学者进行学习

基于MATLAB的一维码识别系统，对损坏的条码图像时执行光电软仿真，识别率很高。

程序描述了一维卡尔曼滤波和二维卡尔曼滤波的实现过程，其中卡尔曼滤波的初始化参数需要根据实际情况进行修改

wince手持机条码扫描，c#直接引用dll即可，附使用代码，本人使用的手持机型号为摩托罗拉mc2180，代码已封装，使用简单，该dll摩托其他系列通用，现项目已开发完毕，使用稳定。

简单的一维高斯滤波程序。适用于图像处理初学者。开发平台vs2008+OpenCV2.3.1