解线性方程，误差分析以及时间统计（浮点数，双精度，整数），以及一些结论-Solving linear equations, error analysis, and time statistics (float, double precision, integer), and some conclusions

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

（1）掌握线性预测分析的基本原理。 （2）掌握线性预测误差滤波器参数与语音信号声道模型参数之间的关系。 （3）熟练掌握线性预测分析的自相关方法和Levinson-Durbin递推算法。 （4）熟悉语音信号的LPA谱估计方法-1) master the basic principles of linear predictive analysis. (2) to master the linear prediction error filter parameters and voic