基于結構特征的車牌定位算法研究改進算法 改程序簡單使用
上傳時間： 2016-11-12
上傳用戶：asasasas
一個遺傳算法的工具箱經(jīng)過改編后的。可以進行部分創(chuàng)新
標簽： 算法 工具箱 分 創(chuàng)新
上傳時間： 2013-12-30
上傳用戶：zhaoq123
此程序改自算法課的一個作業(yè)，用四種不同的算法，對隨機生成的n個數(shù)排序(n取值500至5000），并重復n遍，最后統(tǒng)計平均比較次數(shù)。本在xp下用vc6編寫，現(xiàn)在修改為Ubuntu下gcc編譯。 sortArchieve.c內為各個排序算法的實現(xiàn)
上傳時間： 2014-01-22
上傳用戶：linlin
改文件是用C++來實現(xiàn)kmeans的算法，學過模式識別的人都知道這個算法的，是用來實現(xiàn)數(shù)據(jù)的聚類
上傳時間： 2014-01-13
上傳用戶：epson850
ADT BinaryTree 的實現(xiàn)及驗證程序采用的主要數(shù)據(jù)結構：二叉樹、棧、隊算法思想：1、 先序建樹、輸出樹、后序遍歷用遞歸方法。性能分析：O( n )2、 先序遍歷、中序遍歷：性能分析：O( n )(1) 若遇到新節(jié)點非空則先入棧，然后訪問其左子樹。(2) 若為空則將棧頂結點出棧，訪問其右子樹。(3) 循環(huán)1、2直到棧為空且無節(jié)點可入棧。先序與中序的區(qū)別是：先序在入棧時訪問節(jié)點，中序在出棧時訪問節(jié)點。3、 層遍歷：性能分析：O( n )(1) 根節(jié)點入隊(2) 節(jié)點出隊并訪問(3) 若節(jié)點有左孩子，則左孩子入隊；有右孩子，則右孩子入隊。(4) 重復2、3直到隊列為空。4、 線索樹：算法與先序遍歷、中序遍歷一樣，只是將訪問節(jié)點的Visit函數(shù)改為連接前驅與后繼的操作。性能分析：O(
標簽： BinaryTree ADT 性能分析 樹
上傳時間： 2014-12-20
上傳用戶：SimonQQ
圖像壓縮的MATLAB算法之JEPG，完整的例程，參改價值高。
上傳時間： 2013-12-21
上傳用戶：13188549192
簡單好用的AES算法，提供基本的對文件的加密、解密和數(shù)據(jù)塊的加密、解密，目前的版本是靜態(tài)庫，很容易改做成動態(tài)庫，亦可輕松移植到Linux平臺，已測試過跟Java等其他標準AES加密庫成功對接（可相互加、解密）。
上傳時間： 2015-04-13
上傳用戶：silenthink
模擬退火算法來源于固體退火原理，將固體加溫至充分高，再讓其徐徐冷卻，加溫時，固體內部粒子隨溫升變?yōu)闊o序狀，內能增大，而徐徐冷卻時粒子漸趨有序，在每個溫度都達到平衡態(tài)，最后在常溫時達到基態(tài)，內能減為最小。根據(jù)Metropolis準則，粒子在溫度T時趨于平衡的概率為e-ΔE/(kT)，其中E為溫度T時的內能，ΔE為其改變量，k為Boltzmann常數(shù)。用固體退火模擬組合優(yōu)化問題，將內能E模擬為目標函數(shù)值f，溫度T演化成控制參數(shù)t，即得到解組合優(yōu)化問題的模擬退火算法：由初始解i和控制參數(shù)初值t開始，對當前解重復“產(chǎn)生新解→計算目標函數(shù)差→接受或舍棄”的迭代，并逐步衰減t值，算法終止時的當前解即為所得近似最優(yōu)解，這是基于蒙特卡羅迭代求解法的一種啟發(fā)式隨機搜索過程。退火過程由冷卻進度表(Cooling Schedule)控制，包括控制參數(shù)的初值t及其衰減因子Δt、每個t值時的迭代次數(shù)L和停止條件S。
標簽： 模擬退火算法
上傳時間： 2015-04-24
上傳用戶：R50974
模擬退火算法來源于固體退火原理，將固體加溫至充分高，再讓其徐徐冷卻，加溫時，固體內部粒子隨溫升變?yōu)闊o序狀，內能增大，而徐徐冷卻時粒子漸趨有序，在每個溫度都達到平衡態(tài)，最后在常溫時達到基態(tài)，內能減為最小。根據(jù)Metropolis準則，粒子在溫度T時趨于平衡的概率為e-ΔE/(kT)，其中E為溫度T時的內能，ΔE為其改變量，k為Boltzmann常數(shù)。用固體退火模擬組合優(yōu)化問題，將內能E模擬為目標函數(shù)值f，溫度T演化成控制參數(shù)t，即得到解組合優(yōu)化問題的模擬退火算法：由初始解i和控制參數(shù)初值t開始，對當前解重復“產(chǎn)生新解→計算目標函數(shù)差→接受或舍棄”的迭代，并逐步衰減t值，算法終止時的當前解即為所得近似最優(yōu)解，這是基于蒙特卡羅迭代求解法的一種啟發(fā)式隨機搜索過程。退火過程由冷卻進度表(Cooling Schedule)控制，包括控制參數(shù)的初值t及其衰減因子Δt、每個t值時的迭代次數(shù)L和停止條件S。
標簽： 模擬退火算法
上傳時間： 2015-04-24
上傳用戶：ryb
模擬退火算法來源于固體退火原理，將固體加溫至充分高，再讓其徐徐冷卻，加溫時，固體內部粒子隨溫升變?yōu)闊o序狀，內能增大，而徐徐冷卻時粒子漸趨有序，在每個溫度都達到平衡態(tài)，最后在常溫時達到基態(tài)，內能減為最小。根據(jù)Metropolis準則，粒子在溫度T時趨于平衡的概率為e-ΔE/(kT)，其中E為溫度T時的內能，ΔE為其改變量，k為Boltzmann常數(shù)。用固體退火模擬組合優(yōu)化問題，將內能E模擬為目標函數(shù)值f，溫度T演化成控制參數(shù)t，即得到解組合優(yōu)化問題的模擬退火算法：由初始解i和控制參數(shù)初值t開始，對當前解重復“產(chǎn)生新解→計算目標函數(shù)差→接受或舍棄”的迭代，并逐步衰減t值，算法終止時的當前解即為所得近似最優(yōu)解，這是基于蒙特卡羅迭代求解法的一種啟發(fā)式隨機搜索過程。退火過程由冷卻進度表(Cooling Schedule)控制，包括控制參數(shù)的初值t及其衰減因子Δt、每個t值時的迭代次數(shù)L和停止條件S。
標簽： 模擬退火算法
上傳時間： 2014-12-19
上傳用戶：TRIFCT
