計數排序是一個非基于比較的線性時間排序算法。它對輸入的數據有附加的限制條件： 1、輸入的線性表的元素屬于有限偏序集S； 2、設輸入的線性表的長度為n，|S|=k（表示集合S中元素的總數目為k），則k=O(n)。 在這兩個條件下，計數排序的復雜性為O(n)。 計數排序算法的基本思想是對于給定的輸入序列中的每一個元素x，確定該序列中值小于x的元素的個數。一旦有了這個信息，就可以將x直接存放到最終的輸出序列的正確位置上。例如，如果輸入序列中只有17個元素的值小于x的值，則x可以直接存放在輸出序列的第18個位置上。 計數排序算法沒有用到元素間的比較，它利用元素的實際值來確定它們在輸出數組中的位置。因此，計數排序算法不是一個基于比較的排序算法，從而它的計算時間下界不再是Ω(nlogn)。另一方面，計數排序算法之所以能取得線性計算時間的上界是因為對元素的取值范圍作了一定限制，即k=O(n)。如果k=n2,n3,..，就得不到線性時間的上界。
上傳時間： 2015-10-30
上傳用戶：chenxichenyue
零件切割問題： 給定一塊寬度為W的矩形板，矩形板的高度不受限制。現需要從板上分別切割出n個高度為hi，寬度為wi的矩形零件。切割的規則是零件的高度方向與矩形板的高度方向保持一致。問如何切割使得所使用的矩形板的高度h最小？ 任給一個輸入實例，能輸出切割所需要的實際高度并能用圖形演示切割的過程
上傳時間： 2013-12-18
上傳用戶：曹云鵬
零件切割問題 給定一塊寬度為W的矩形板，矩形板的高度不受限制。現需要從板上分別切割出n個高度為hi，寬度為wi的矩形零件。切割的規則是零件的高度方向與矩形板的高度方向保持一致。問如何切割使得所使用的矩形板的高度h最小？
上傳時間： 2014-08-28
上傳用戶：龍飛艇
精選一個 uC/OS-II Porting 於一般業界使用之 MSP430F1132 開發板上任務調度的例程,於 app.c 內建構了一個可於此開發板上 Port 1.0 驅動 LED 閃爍任務工程,全例程於 IAR MSP430 V3.42A 下編譯,同時亦將此工程設好斷點可方便於 Simulator 內直接觀測 uC/OS 任務調度狀態.
上傳時間： 2015-12-14
上傳用戶：skfreeman
cut.c 給定一塊寬度為W的矩形板，矩形板的高度不受限制。現需要從板上分別切割出n個高度為hi，寬度為wi的矩形零件。切割的規則是零件的高度方向與矩形板的高度方向保持一致。問如何切割使得所使用的矩形板的高度h最小？
上傳時間： 2015-12-23
上傳用戶：lunshaomo
這是一個用keil C在8051上開發實作的UART程式，本人認為很適合剛接觸8051的學習者，很有幫助的。
上傳時間： 2015-12-23
上傳用戶：comua
給定一塊寬度為W的矩形板，矩形板的高度不受限制。現需要從板上分別切割出n個高度為hi，寬度為wi的矩形零件。切割的規則是零件的高度方向與矩形板的高度方向保持一致。本算法解決如何切割使得所使用的矩形板的高度h最小.
上傳時間： 2013-12-29
上傳用戶：維子哥哥
給定一個n位正整數a，去掉其中任意k<=n個數字后，剩下的數字按原次序排列成一個新的正整數。對于給定的n位正整數a和正整數k，設計一個算法找出剩下數字組成的新數最小的刪數方案。
上傳時間： 2013-12-12
上傳用戶：685
陣列信號處理波束形成卡朋算法仿真：該程序陣列數為N，采樣點數為K，入射信號為30度角，干擾信號為60度角。 功能：提取有用信號抑制干擾信號
上傳時間： 2014-12-01
上傳用戶：jackgao
How the K-mean Cluster work Step 1. Begin with a decision the value of k = number of clusters Step 2. Put any initial partition that classifies the data into k clusters. You may assign the training samples randomly, or systematically as the following: Take the first k training sample as single-element clusters Assign each of the remaining (N-k) training sample to the cluster with the nearest centroid. After each assignment, recomputed the centroid of the gaining cluster. Step 3 . Take each sample in sequence and compute its distance from the centroid of each of the clusters. If a sample is not currently in the cluster with the closest centroid, switch this sample to that cluster and update the centroid of the cluster gaining the new sample and the cluster losing the sample. Step 4 . Repeat step 3 until convergence is achieved, that is until a pass through the training sample causes no new assignments.
標簽： the decision clusters Cluster
上傳時間： 2013-12-21
上傳用戶：gxmm
