算法實現題1-5 最大間隙問題 « 問題描述： 最大間隙問題：給定n 個實數x , , xn 1 2 ，求這n 個數在實軸上相鄰2 個數之間的最 大差值。假設對任何實數的下取整函數耗時O(1)，設計解最大間隙問題的線性時間算法。 « 編程任務： 對于給定的n 個實數n x , x , , x 1 2 ，編程計算它們的最大間隙。 « 數據輸入： 輸入數據由文件名為input.txt的文本文件提供。文件的第1 行有1 個正整數n。接下來 的1 行中有n個實數n x , x , , x 1 2 。 « 結果輸出: 程序運行結束時，將找到的最大間隙輸出到文件output.txt中。 輸入文件示例 輸出文件示例 input.txt 5 2.3 3.1 7.5 1.5 6.3 output.txt 3.2
上傳時間： 2016-05-28
上傳用戶：咔樂塢
Ex4-22 單射函數問題 « 問題描述： 設函數f將點集S = {0,1, , n -1}映射為f (S) = { f (i) | iÎ S} Í S 。單射函數問題要 從S中選取最大子集X Í S 使f (X )是單射函數。 例如，當n=7， f (S) = {1,0,0,2,2,3,6} Í S 時， X = {0,1,6} Í S 是所求的最大子集。 « 編程任務： 對于給定的點集S = {0,1, , n -1}上函數f，試用抽象數據類型隊列，設計一個O(n)時 間算法，計算f的最大單射子集。 « 數據輸入： 由文件input.txt 提供輸入數據。文件的第1 行有1 個正整數n，表示給定的點集 S = {0,1, , n -1}。第2 行是f (i)的值，0 £ i < n。 « 結果輸出: 程序運行結束時，將計算出的f的最大單射子集的大小輸出到output.txt中。 輸入文件示例 輸出文件示例 input.txt 7 1 0 0 2 2 3 6 output.txt 3
上傳時間： 2016-05-28
上傳用戶：tyler
全球首個3G定位追蹤多人線上手機JAVA遊戲 《七劍迷蹤》經已推出
上傳時間： 2014-11-28
上傳用戶：從此走出陰霾
n個頂點構成的完全圖，求從某點出發并回到該點的最短路徑，給出最短路徑依次經過的頂點以及最短路徑的長度。
標簽：
上傳時間： 2016-05-30
上傳用戶：zhangyigenius
對于給定（n+1)個節點上的函數值，采用三次樣條的方法進行差值，這是一個高階的插值方法，它既有良好的收斂性又比較光滑。它實際上是由分段三次曲線連接而成，在接點處有2階連續導數。
上傳時間： 2014-01-01
上傳用戶：jqy_china
C++ 這是國外計算機科學教材系列《big C++》書籍的源代碼ch
上傳時間： 2014-01-22
上傳用戶：aa54
約瑟夫問題的兩種解法 設有n個人圍坐在一個圓桌周圍，先從第s個人開始報數，數到第m個人出列，然后從出列的下一個人重新開始報數，數到第m個人又出列……如此重復，直到所有的人出列為止。本程序分別用鏈式存儲結構（循環鏈表）和順序存儲結構（數組）解決約瑟夫問題，可供初學者辨別這兩種存儲結構的異同 用戶輸入：n,s,m（逗號隔開） 輸出：出列順序表
標簽：
上傳時間： 2013-12-19
上傳用戶：yzhl1988
BP算法 給定一個由N維向量X組成的集合，這些向量將是一個響應agent的感知處理單元計算出的特征向量。這些分量的值可以是數值，也可以是布爾值。這些動作也許是學習者所觀察到的一個教師對一組輸入的響應。這些相關的動作有時稱為向量的“標號”或“類別”。集合與響應的標號組成“訓練集合(training set)”.機器學習問題就是尋找一個函數。
上傳時間： 2016-06-03
上傳用戶：waizhang
％ EM algorithm for k multidimensional Gaussian mixture estimation ％ ％ Inputs: ％ X(n,d) - input data, n=number of observations, d=dimension of variable ％ k - maximum number of Gaussian components allowed ％ ltol - percentage of the log likelihood difference between 2 iterations ([] for none) ％ maxiter - maximum number of iteration allowed ([] for none) ％ pflag - 1 for plotting GM for 1D or 2D cases only, 0 otherwise ([] for none) ％ Init - structure of initial W, M, V: Init.W, Init.M, Init.V ([] for none) ％ ％ Ouputs: ％ W(1,k) - estimated weights of GM ％ M(d,k) - estimated mean vectors of GM ％ V(d,d,k) - estimated covariance matrices of GM ％ L - log likelihood of estimates ％
標簽： multidimensional estimation algorithm Gaussian
上傳時間： 2013-12-03
上傳用戶：我們的船長
N迷游戲問題(拼圖類)可以支持3--35迷
標簽： 35
上傳時間： 2016-06-04
上傳用戶：ouyangtongze
