arthurtang的专栏

介绍一下：<br>（1）文件太大不能一次上传所以分割为三部分，这是第三部分；<br>（2）是台湾“位元文化研究室”编著；<br>（3）本书的特点是不直接介绍MFC的Wizard使用，而是由手动编写简单的视窗程序入手，循序渐进，适合VC初学者入门和进阶；<br>（4）只是书籍的源码，书我还没有扫描电子版。<br>（5）源码很多关键位置都附有中文的解释，这是关键的看点。<br>（6）怀着感谢CSDN的心情上传这些自己视若珍宝的东东，从这里我下载到许多珍贵的资料，解答了很多疑惑，身边没有学VC的，幸好能够在这里找到良师益友。<br>（7）希望资料对大家有帮助或者收藏价值。

介绍一下：<br>（1）文件太大不能一次上传所以分割为三部分，这是第二部分；<br>（2）是台湾“位元文化研究室”编著；<br>（3）本书的特点是不直接介绍MFC的Wizard使用，而是由手动编写简单的视窗程序入手，循序渐进，适合VC初学者入门和进阶；<br>（4）只是书籍的源码，书我还没有扫描电子版。<br>（5）源码很多关键位置都附有中文的解释，这是关键的看点。<br>（6）怀着感谢CSDN的心情上传这些自己视若珍宝的东东，从这里我下载到许多珍贵的资料，解答了很多疑惑，身边没有学VC的，幸好能够在这里找到良师益友。<br>（7）希望资料对大家有帮助或者收藏价值。

介绍一下：<br>（1）文件太大不能一次上传所以分割为三部分，这是第一部分；<br>（2）是台湾“位元文化研究室”编著；<br>（3）本书的特点是不直接介绍MFC的Wizard使用，而是由手动编写简单的视窗程序入手，循序渐进，适合VC初学者入门和进阶；<br>（4）只是书籍的源码，书我还没有扫描电子版。<br>（5）源码很多关键位置都附有中文的解释，这是关键的看点。<br>（6）怀着感谢CSDN的心情上传这些自己视若珍宝的东东，从这里我下载到许多珍贵的资料，解答了很多疑惑，身边没有学VC的，幸好能够在这里找到良师益友。<br>（7）希望资料对大家有帮助或者收藏价值。

出版社：清华大学、北京交大，时间：2005，作者：杨淑莹<br><br>希望对大家有用。<br>//////////////////////////////////////////////<br>3．聚类程序使用说明<br>1）获得数据源<br> 在左视图上单击鼠标左键，可获得3种数据源：【标准数字聚类】、【手画图形聚类】、【位图文件分析聚类】。<br>(1) 标准数字<br>在工具条中按下【标准数字聚类】按钮后，选择工具条上提供的各种标准数字。在左视图就会得到多个标准数字。<br>每行中存放的标准数字个数与blank.bmp文件大小有关，读者可以自行修改该文件的大小，应注意该文件应该是n×n的，比如500×500 。<br>(2)手写数字<br>在工具条中按下【手画图形聚类】按钮后，拖动鼠标左键画各种数字或图形，注意每一个物体要连通。<br>(3) 打开位图文件<br>在工具条中按下【位图文件分析聚类】按钮后，打开需要聚类分析的位图文件。弹出“打开文件”对话框，读者可以打开已经存在的一幅图像文件。<br>2）擦除修改数据<br>在工具条中单击【橡皮】按钮， 可以擦除、修改输入的数据。<br>3）特征提取<br> ① 单击右视图空白区，激活右视图的工具条。<br> ② 在工具条中单击【显示】按钮，将在右视图显示处理后的数据。<br> ③ 在【视图】菜单中选择【获得模式特征】菜单项，进行特征提取。<br>4）聚类处理<br> ① 选择【聚类分析】菜单，可以对样品进行聚类分析。<br> ② 选择【模糊聚类】菜单，可以对样品进行模糊聚类分析。<br> ③ 选择【遗传算法】菜单，可以应用遗传算法对样品进行聚类分析。<br>在上述处理中，注意选择距离的计算方式和参数输入的范围。<br>

出版社：清华大学、北京交大，时间：2005，作者：杨淑莹<br> 希望对大家有用。<br><br>1． 使用环境<br>将此光盘中所有文件复制到硬盘中，在VC 6.0环境下运行。<br>2．分类程序使用说明<br>1）获得数据源<br>（1） 手写数字<br>① 在左视图中按住鼠标左键可以写一个数字。<br>② 按住鼠标右键可以擦除书写的数字。<br>③ 在工具条中单击【清除并重写检验样品】按钮，或者选择菜单中的【文件】→【清除并重写检验样品】选项，可以将手写的数字全部擦除。<br>（2） 打开已有的手写数字<br>① 在工具条中单击【打开一幅图像】按钮，或者选择菜单中的【文件】→【打开256色位图(O)…】选项，可以打开已有的手写数字，在“手写数字”文件夹下找到一些手写数字图像。<br>② 在工具条中单击【显示打开图像】按钮，或者选择菜单中的【文件】→【显示打开图像】选项，可以显示打开的图像。<br><br>2） 样品库中存储手写数字<br>在右视图空白处，单击鼠标左键，激活右视图，单击工具条中的【保存为样品】按钮，或者选择菜单中的【文件】→【保存为样品】选项，可以把手写数字或者打开的数字图像保存至样品库中。<br>3） 看样品库<br>选择菜单中的【训练样品设计】→【设计训练样品库】选项，弹出样品库对话框。可以查看样品库中各数字样品的个数，另外可以查看各个样品的特征、添加和删除样品。<br><br>4） 分类处理<br>手写数字或者打开已有的手写数字图像后，在右视图空白处，单击鼠标左键，激活右视图，选择菜单中的各种分类算法，可以对手写数字进行分类。<br>① 选择【模板匹配分类器】菜单，可以应用模板匹配算法进行分类。<br>② 选择【Bayes分类器】菜单，可以应用Bayes算法进行分类。<br>③ 选择【线性函数分类法】菜单，可以应用线性函数算法进行分类。<br>④ 选择【非线性分类法】菜单，可以应用非线性算法进行分类。<br>⑤ 选择【神经网络分类器】菜单，可以应用神经网络算法进行分类。<br><br>