快速瞭解ECLIPSE 目錄 序言· 一．Eclipse 簡介 二．Eclipse 組織 三．Eclipse 相關術語 四．Eclipse 平臺 五．EMF & GEF 介紹 六．關於Eclipse、SWT 和JFace 一個SWT 應用程式的基礎材料 基本控制項 標籤 文件 按鈕 事件監聽器 複合控制項 Shell 佈局管理器 FillLayout GridLayout GridData 15 建立一個執行程式 為什麼使用SWT 七．OSGI 簡介 Eclipse 資源 附錄1 SWT 的內幕？ 附錄2 相關網站 附錄3 外掛開發
上傳時間： 2015-11-30
上傳用戶：cc1
“網絡基本輸入／輸出系統”（Network Basic Input/Output System, NetBIOS）是一種標準的應用程序編程接口（ A P I），1 9 8 3年由S y t e k公司專為I B M開發成功)
標簽： Network NetBIOS Output System
上傳時間： 2015-12-09
上傳用戶：wanghui2438
最佳調度問題，假設有n個任務由k個可并行工作的機器完成。完成任務i需要的時間為ti。試設計一個算法找出完成這n個任務的最佳調度，使得完成全部任務的時間最早。
標簽： 調度
上傳時間： 2014-01-06
上傳用戶：1101055045
背包問題是關於最佳化的問題，要解最佳化問題可以使用「動態規劃」（Dynamic programming），從空集合開始，每增加一個元素就先求出該階段的最佳解，直到所有的元素加入至集合中，最後得到的就是最佳解。 以背包問題為例，我們使用兩個陣列value與item，value表示目前的最佳解所得之總價，item表示最後一個放至背包的水果，假設有負重量 1～8的背包8個，並對每個背包求其最佳解
標簽：
上傳時間： 2014-01-22
上傳用戶：aix008
問題描述 給定n個矩陣A1，A2，…，An，其中，Ai與Aj+1是可乘的，i=1，2，…，n-1。 你的任務是要確定矩陣連乘的運算次序，使計算這n個矩陣的連乘積A1A2…An時總的元素乘法次數達到最少。 例如：3個矩陣A1，A2，A3，階分別為10×100、100×5、5×50，計算連乘積A1A2A3時按（A1A2）A3所需的元素乘法次數達到最少，為7500次。
標簽： 矩陣
上傳時間： 2013-12-20
上傳用戶：banyou
設T[0:n-1]是n個元素的一個數組。對任一元素x，設S(x)={i|T[i]=x}。當|S(x)|>n/2時，稱x為T的主元素。設計一個線性時間算法，確定T[0:n]是否有一個主元素。
上傳時間： 2014-01-08
上傳用戶：daoxiang126
設T[0:n-1]是n個元素的一個數組。對任一元素x，設S(x)={i|T[i]=x}。當|S(x)|>n/2時，稱x為T的主元素。設計一個線性時間算法，確定T[0:n]是否有一個主元素。
上傳時間： 2013-12-13
上傳用戶：2525775
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
