一、 Seidel迭代法 算法8.2： 1． 输入矩阵A，右端项b ，初始迭代向量 X(0) ，维数n，容许误差ε ，最大容许迭代次数 N。 2． 置k=1. 3． 计算 X1=(b1-Σa1jxj(0))/a11 j=2,3,…….,n Xi=(bi-Σaijxj-Σaijxj(0))/aii, i=2,3,……,n-1 Xn=(bn-Σanjxj)/ann j=1,2,…….,n-1 4．若||X-X(0)|| <ε，输出X , 停机；否则，转步骤5。

幂法求矩阵的特征值和特征向量 算法9.1 1． 输入矩阵A，初始向量X，误差限ε最大迭代次数N。 2． 置k=1，u=0。 3． 求xr=>λ，|xr|=max|xr|,i=1,….,n。 4． 计算 Y=X/λ，X=AY 5． 若|λ-u|〈ε，输出λ，X，停机；否则，转步骤6。 6. 若k<N，k+1=>k，λ=>u,转步骤3；否则，输出错误信息，停机

摄影测量后方交会程序（C++)，计算外方位元素，同时通过平差计算其误差。-Photogrammetric resection procedures (C++), calculated exterior orientation, while the error through the adjustment calculation.

模式识别的聚类分析。K均值聚类算法是先随机选取K个对象作为初始的聚类中心。然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。一旦全部对象都被分配了，每个聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。终止条件可以是没有（或最小数目）对象被重新分配给不同的聚类，没有（或最小数目）聚类中心再发生变化，误差平方和局部最小。-Pattern recognition clustering