一個糾錯編碼源代碼,用c寫的，在某些對錯誤比較敏感的地方可以有很大作用.
上傳時間： 2014-01-08
上傳用戶：youmo81
一個糾錯編碼源代碼,用c寫的，在某些對錯誤比較敏感的地方可以有很大作用.
上傳時間： 2015-03-26
上傳用戶：ve3344
一個糾錯編碼源代碼,用c寫的，在某些對錯誤比較敏感的地方可以有很大作用.
上傳時間： 2015-03-26
上傳用戶：ljt101007
實現(xiàn)聚類K均值算法： K均值算法：給定類的個數(shù)K，將n個對象分到K個類中去，使得類內對象之間的相似性最大，而類之間的相似性最小。 缺點：產生類的大小相差不會很大，對于臟數(shù)據(jù)很敏感。 改進的算法：k—medoids 方法。這兒選取一個對象叫做mediod來代替上面的中心 的作用，這樣的一個medoid就標識了這個類。步驟： 1，任意選取K個對象作為medoids（O1,O2,…Oi…Ok）。 以下是循環(huán)的： 2，將余下的對象分到各個類中去（根據(jù)與medoid最相近的原則）； 3，對于每個類（Oi）中，順序選取一個Or，計算用Or代替Oi后的消耗—E（Or）。選擇E最小的那個Or來代替Oi。這樣K個medoids就改變了，下面就再轉到2。 4，這樣循環(huán)直到K個medoids固定下來。 這種算法對于臟數(shù)據(jù)和異常數(shù)據(jù)不敏感，但計算量顯然要比K均值要大，一般只適合小數(shù)據(jù)量。
上傳時間： 2015-04-03
上傳用戶：sardinescn
程序主要功能如下: 1,可實現(xiàn)多域名的二級域名申請,添加多個域名 2,可限制各域名的注冊數(shù) 3,可對域名進行排序 3,可限制用戶多長時間內可注冊一次 4,可設置是否彈出廣告條,以及廣告窗口的大小. 5,可設置系統(tǒng)保留帳號,以及需屏蔽的敏感字符 6,用戶可選擇是否隱藏真實的URL 7,完整的后臺管理,可對用戶資料進行查詢修改 8,可對用戶進行鎖定 9,用戶密碼使用MD5加密,使數(shù)據(jù)更安全 10,可對系統(tǒng)進行統(tǒng)計,如注冊用戶和訪問量總和 11,可實現(xiàn)對國際域名的URL轉發(fā) 12,可設定某用戶是否彈出廣告窗口
上傳時間： 2013-12-24
上傳用戶：123456wh
此程序使用的集成環(huán)境為TI公司的CCS。程序的平臺是使用合眾達的VPMDM642 c_fusejiance是用DSP進行膚色檢測。人體的皮膚顏色是人體的一個重要特征，膚色檢測被廣泛的應用于人臉跟蹤、人臉檢測、手語識別、敏感圖像過濾等領域中.
標簽： c_fusejiance VPMDM CCS 642
上傳時間： 2013-12-16
上傳用戶：wpt
檔案管理系統(tǒng)使用說明 0.超越VB的界面，全新感覺 1.本系統(tǒng)大部分采用Windows系統(tǒng)核心，所有操作方便、快捷 2.適用于Windows95/98/2000/WinNT系統(tǒng) 3.系統(tǒng)可以擴充到文件管理 4.為了更好地管理好檔案，將正確分類 5.新的檔案添加或修改時，可以掛接掃描儀 6.權限控制，增加了敏感信息的存儲
標簽： 管理系統(tǒng) 使用說明
上傳時間： 2013-12-26
上傳用戶：磊子226
《三十六計》是一部奇書，是一部“謀略”大全。然而，這本書以文言寫成，今天的讀者一般很難理解，也就很難把這些計謀用在實際生活中。《商戰(zhàn)三十六計》正是在介紹了《三十六計》原文的基礎上，教你如何把它們運用于復雜多變的商戰(zhàn)之中? ⑶蟻蚰閭峁┝艘桓齦鼉罹椎納壇≌嚼? 商場就是戰(zhàn)場，買賣就是用兵。 戰(zhàn)場上硝煙彌漫，鮮血迸濺；商場上爾虞我詐，明爭暗斗。 你想踏入商海，做個時代的弄潮兒嗎？你想生意興隆、財源廣進嗎？ 那么，你就要將自己培養(yǎng)成敏感、聰慧、成熟的善用計謀的“孫子”和“諸葛亮”式的人物。 當今社會商品如潮，發(fā)財機會普遍存在，有實力的能夠日進斗金，沒資金的亦能白手起家。同樣的環(huán)境，就看你怎樣施展自己的本領。 《商戰(zhàn)三十六計》不但能使你在商場上深謀遠慮，進退自如，見風使舵，抓住一個個商機，還能使你掌握現(xiàn)代經營管理技能，成為21世紀的富豪。
標簽：
上傳時間： 2015-06-15
上傳用戶：小儒尼尼奧
這是關于最有控制和魯棒控制幾乎最好的書，內容自包含，非常經典。 本書闡述了當代魯棒與最優(yōu)控制的主要和基本的內容，其中包含了作者對該理論作出的重要貢獻。 全書共為二十一章。第一章為緒論；第二章是閱讀本書的數(shù)學基礎；第三章為線性系統(tǒng)理論基礎；第四章定義了信號的范數(shù)以及穩(wěn)定系統(tǒng)的輸入——輸出增益；第五章論述了反饋結構的穩(wěn)定性和性能特征；第六章引入了Bode敏感積分關系和Poisson積分公式在多變量時的形式；第七章討論了用平衡截斷法對線性多變量系統(tǒng)進行降階；第八章研究Hankel范數(shù)近似及其在范數(shù)模型降階中的應用；第九章采用小增益定理對不同模型假設下的系統(tǒng)推導魯棒穩(wěn)定性檢驗；第十章引入線性分式變換（LFT）；第十一章研究了有多個不確定性源的系統(tǒng)魯棒穩(wěn)定性及性能。
上傳時間： 2014-01-01
上傳用戶：731140412
LVQ算法( Learning Vector Quantization，學習矢量量化網絡)是一種基于模型（神經網絡）的方法，本實驗要實現(xiàn)的是對LVQ改進的聚類方法——MLVQ（閆德勤等人提出）。該方法克服了LVQ算法對初值敏感的問題和廣義學習矢量量化(GLVQ)網絡算法性能不穩(wěn)定的缺點。(附文章)
標簽： Quantization Learning Vector LVQ
上傳時間： 2015-08-31
上傳用戶：youke111
