利用熵（entropy）及多變量GM(h.N)模型的觀念，探討灰色理論於權(quán)重之分析
上傳時間： 2015-10-27
上傳用戶：thinode
求質(zhì)數(shù)法 判斷n是否為質(zhì)數(shù) 判斷n是否為質(zhì)數(shù)時，將n除以n以下的整數(shù)直至2為止，以觀察n能 除盡，這時如有被除盡的數(shù)，便被視為非質(zhì)數(shù)而脫離出回圈。到了最後如無除盡的數(shù)，則此數(shù)即為質(zhì)數(shù)。
標簽：
上傳時間： 2013-12-27
上傳用戶：xcy122677
利用RTOS機制實現(xiàn)機械系統(tǒng)中的質(zhì)量，阻尼等...也可利用鍵盤輸入m，k，c，來改變sin波的位移量
上傳時間： 2014-01-11
上傳用戶：13517191407
/** * @author jakcy_wu(wujichun) * * 預(yù)測分析--本算法只適用于受周期變化或者波動影響的數(shù)據(jù) * 權(quán)值移動平均算法 * 本期預(yù)測值=（前期值*權(quán)數(shù)）求和/n * * 默認權(quán)值為{1,1,1},取最近3次的平均 * 注意權(quán)值和必須=權(quán)值集合.length */
標簽： jakcy_wu wujichun author 算法
上傳時間： 2014-01-26
上傳用戶：weiwolkt
卷積運算：取x(t)和h(t)的長度為nx,nh。平移量n=nh+nx-1，利用for和if語句實現(xiàn)倒序求和運算。外循環(huán)用一個for語句實現(xiàn)平移，通過在求和時取數(shù)組元素的順序?qū)崿F(xiàn)倒序求和
上傳時間： 2013-12-20
上傳用戶：saharawalker
利用矩量法計算細直導(dǎo)線電容隨著分段數(shù)N、半徑a,長度L的變化曲線以及直導(dǎo)線電荷密度分布
上傳時間： 2016-05-05
上傳用戶：sardinescn
有限期作業(yè)安排問題”描述如下:有n個任務(wù)J1,J2,...,Jn,每個任務(wù)Ji都有一個完成期限di,若任務(wù)Ji在它的期限di內(nèi)完成,則可以獲利Ci(1[i[n) 問如何安排使得總的收益最大(假設(shè)完成每一個任務(wù)所需時間均為一個單位時間).這個問題適合用貪心算法來解決,貪心算法的出發(fā)點是每一次都選擇利潤大的任務(wù)來完成以期得到最多的收益 但是對于本問題由于每一個任務(wù)都有一個完成的期限,因此在任務(wù)安排過程中除了考慮利潤Ci外,還要考慮期限di.
上傳時間： 2016-06-27
上傳用戶：s363994250
K-MEANS算法: k-means 算法接受輸入量 k ；然后將n個數(shù)據(jù)對象劃分為 k個聚類以便使得所獲得的聚類滿足：同一聚類中的對象相似度較高；而不同聚類中的對象相似度較小。聚類相似度是利用各聚類中對象的均值所獲得一個“中心對象”（引力中心）來進行計算的。 k-means 算法的工作過程說明如下：首先從n個數(shù)據(jù)對象任意選擇 k 個對象作為初始聚類中心；而對于所剩下其它對象，則根據(jù)它們與這些聚類中心的相似度（距離），分別將它們分配給與其最相似的（聚類中心所代表的）聚類；然后再計算每個所獲新聚類的聚類中心（該聚類中所有對象的均值）；不斷重復(fù)這一過程直到標準測度函數(shù)開始收斂為止。一般都采用均方差作為標準測度函數(shù). k個聚類具有以下特點：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開
上傳時間： 2016-07-31
上傳用戶：youlongjian0
K-MEANS算法: k-means 算法接受輸入量 k ；然后將n個數(shù)據(jù)對象劃分為 k個聚類以便使得所獲得的聚類滿足：同一聚類中的對象相似度較高；而不同聚類中的對象相似度較小。聚類相似度是利用各聚類中對象的均值所獲得一個“中心對象”（引力中心）來進行計算的。 k-means 算法的工作過程說明如下：首先從n個數(shù)據(jù)對象任意選擇 k 個對象作為初始聚類中心；而對于所剩下其它對象，則根據(jù)它們與這些聚類中心的相似度（距離），分別將它們分配給與其最相似的（聚類中心所代表的）聚類；然后再計算每個所獲新聚類的聚類中心（該聚類中所有對象的均值）；不斷重復(fù)這一過程直到標準測度函數(shù)開始收斂為止。一般都采用均方差作為標準測度函數(shù). k個聚類具有以下特點：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開
上傳時間： 2013-12-19
上傳用戶：chenlong
k-means 算法接受輸入量 k ；然后將n個數(shù)據(jù)對象劃分為 k個聚類以便使得所獲得的聚類滿足：同一聚類中的對象相似度較高；而不同聚類中的對象相似度較小。聚類相似度是利用各聚類中對象的均值所獲得一個“中心對象”（引力中心）來進行計算的。 Matlab 源代碼，以蘭花數(shù)據(jù)集作為測試對象。
上傳時間： 2014-01-21
上傳用戶：2525775
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
