問題描述 序列Z=<B，C，D，B>是序列X=<A，B，C，B，D，A，B>的子序列，相應的遞增下標序列為<2，3，5，7>。 一般地，給定一個序列X=<x1,x2,…,xm>，則另一個序列Z=<z1,z2,…,zk>是X的子序列，是指存在一個嚴格遞增的下標序列〈i1,i2,…,ik〉使得對于所有j=1,2,…,k使Z中第j個元素zj與X中第ij個元素相同。 給定2個序列X和Y，當另一序列Z既是X的子序列又是Y的子序列時，稱Z是序列X和Y的公共子序列。 你的任務是：給定2個序列X、Y，求X和Y的最長公共子序列Z。
上傳時間： 2014-01-25
上傳用戶：netwolf
好用的lcd1602 液晶驅動程序，可以設置顯示位置setxy(x,y),輸出字符串LCD_string
上傳時間： 2013-12-20
上傳用戶：chenlong
在一個按照東西和南北方向劃分成規整街區的城市里，n個居民點散亂地分布在不同的街區中。用x 坐標表示東西向，用y坐標表示南北向。各居民點的位置可以由坐標(x,y)表示。街區中任意2 點(x1,y1)和(x2,y2)之間的距離可以用數值|x1-x2|+|y1-y2|度量。 居民們希望在城市中選擇建立郵局的最佳位置，使n個居民點到郵局的距離總和最小。 編程任務： 給定n 個居民點的位置,編程計算n 個居民點到郵局的距離總和的最小值。
上傳時間： 2016-01-21
上傳用戶：mikesering
* first open client.cpp and search for that USER_MSG_INTERCEPT(TeamInfo) over it u add this Code: USER_MSG_INTERCEPT(Health) { BEGIN_READ(pbuf,iSize) me.iHealth = READ_BYTE() return USER_MSG_CALL(Health) } * then we search for int HookUserMsg (char *szMsgName, pfnUserMsgHook pfn) and add this Code: REDIRECT_MESSAGE( Health ) *k now we have the health registered and can read it out i stop this hear know cuz i must thanks panzer and w00t.nl that they helped me with it first time! *ok now we go to int HUD_Redraw (float x, int y) and packing this draw code in it Code:
標簽： USER_MSG_INTERCEPT TeamInfo client search
上傳時間： 2016-01-22
上傳用戶：ynzfm
由循環程序給出機器人關節變量(o1,02)，通過正解運算求出相應的末端位姿(x,y)
上傳時間： 2016-01-23
上傳用戶：李夢晗
基因演算法，利用C語言來實現，以求得最佳解，可以套用在MABLAT
上傳時間： 2013-12-24
上傳用戶：h886166
針對單輸入與雙輸入模糊溫度控制系統，以C語言程式分別實現
上傳時間： 2016-01-25
上傳用戶：WMC_geophy
Yacc說明及使用文檔 yacc(Yet Another Compiler Compiler)，是Unix/Linux上一個用來生成編譯器的編譯器（編譯器代碼生成器）。yacc生成的編譯器主要是用C語言寫成的語法解析器（Parser），需要與詞法解析器Lex一起使用，再把兩部份產生出來的C程序一併編譯。yacc本來只在Unix系統上才有，但現時已普遍移植往Windows及其他平臺。
標簽： Compiler Another Yacc yacc
上傳時間： 2016-01-26
上傳用戶：希醬大魔王
三星S42SD電漿電視的故障判斷及維修 三星 V2 . V3 .V4 LG V6 .V7 面板電源版 我們皆可處理 一． 面板上各模組的功能： 如下圖所示，pdp面板一共分為電源板、X驅動板、Y驅動板、邏輯板、邏輯BUFFER板（E、F、G）、Y BUFFER板（上、下）、 OF等部分： *電源板： 給面板上其他功能模組及整機廠家做的主板，視頻處理板提供電源。 *X驅動板：按照邏輯板上送來的時序信號，產生并為X電極提供驅動信號。 *Y驅動板：按照邏輯板上送來的時序信號，產生并為Y電極提供驅動信號。
上傳時間： 2016-01-29
上傳用戶：AbuGe
Boosting is a meta-learning approach that aims at combining an ensemble of weak classifiers to form a strong classifier. Adaptive Boosting (Adaboost) implements this idea as a greedy search for a linear combination of classifiers by overweighting the examples that are misclassified by each classifier. icsiboost implements Adaboost over stumps (one-level decision trees) on discrete and continuous attributes (words and real values). See http://en.wikipedia.org/wiki/AdaBoost and the papers by Y. Freund and R. Schapire for more details [1]. This approach is one of most efficient and simple to combine continuous and nominal values. Our implementation is aimed at allowing training from millions of examples by hundreds of features in a reasonable time/memory.
標簽： meta-learning classifiers combining Boosting
上傳時間： 2016-01-30
上傳用戶：songnanhua
