數(shù)據(jù)結(jié)構(gòu)算法之一，矩正的轉(zhuǎn)制，顯示矩正轉(zhuǎn)換前后用于比較
標(biāo)簽： 數(shù)據(jù)結(jié)構(gòu) 算法
上傳時(shí)間： 2015-03-25
上傳用戶：CHINA526
ADC的源程式，把51的正負(fù)極接至ADC，再將ADC.asm檔compile後，ACD便會(huì)產(chǎn)生將類比轉(zhuǎn)成數(shù)位訊號(hào)的效果
上傳時(shí)間： 2013-12-31
上傳用戶：569342831
為DELL的layer 2 Switch的Web server中java applet的源始碼，功能為利用java applet主動(dòng)傳送訊息到browser，借著此訊息轉(zhuǎn)換成網(wǎng)頁，再顯現(xiàn)在browser。
標(biāo)簽： Switch applet server layer
上傳時(shí)間： 2014-01-19
上傳用戶：cc1
雜湊法(Hashing)的搜尋與一般的搜尋法(searching)是不一樣的。在雜湊法中，鍵值(key value)或識(shí)別字(identifier)在記憶體的位址是經(jīng)由函數(shù)(function)轉(zhuǎn)換而得的。此種函數(shù)，一般稱之為雜湊函數(shù)(Hashing function)或鍵值對(duì)應(yīng)位址轉(zhuǎn)換(key to address transformation)。對(duì)於有限的儲(chǔ)存空間，能夠有效使用且在加入或刪除時(shí)也能快的完成，利用雜湊法是最適當(dāng)不過了。因?yàn)殡s湊表搜尋在沒有碰撞(collision)及溢位(overflow)的情況下，只要一次就可擷取到。
上傳時(shí)間： 2013-12-23
上傳用戶：dancnc
基于Volterra濾波器混沌時(shí)間序列多步預(yù)測 作者：陸振波，海軍工程大學(xué) 歡迎同行來信交流與合作，更多文章與程序下載請(qǐng)?jiān)L問我的個(gè)人主頁 電子郵件：luzhenbo@sina.com 個(gè)人主頁：luzhenbo.88uu.com.cn 參考文獻(xiàn)： 1、張家樹.混沌時(shí)間序列的Volterra自適應(yīng)預(yù)測.物理學(xué)報(bào).2000.03 2、Scott C.Douglas, Teresa H.-Y. Meng, Normalized Data Nonlinearities for LMS Adaptation. IEEE Trans.Sign.Proc. Vol.42 1994 文件說明： 1、original_MultiStepPred_main.m 程序主文件,直接運(yùn)行此文件即可 2、original_train.m 訓(xùn)練函數(shù) 3、original_test.m 測試函數(shù) 4、LorenzData.dll 產(chǎn)生Lorenz離散序列 5、normalize_1.m 歸一化 6、PhaSpaRecon.m 相空間重構(gòu) 7、PhaSpa2VoltCoef.dll 構(gòu)造 Volterra 自適應(yīng) FIR 濾波器的輸入信號(hào)矢量 Un 8、TrainTestSample_2.m 將特征矩陣前 train_num 個(gè)為訓(xùn)練樣本，其余為測試樣本 9、FIR_NLMS.dll NLMS自適應(yīng)算法
標(biāo)簽： Volterra 濾波器 混沌 時(shí)間序列
上傳時(shí)間： 2013-12-16
上傳用戶：talenthn
數(shù)字圖像的紋理分析應(yīng)用實(shí)例，可以計(jì)算圖像的能量，熵，慣性矩，局部平穩(wěn)性和相關(guān)。~..~
標(biāo)簽： 數(shù)字圖像 分 應(yīng)用實(shí)例
上傳時(shí)間： 2014-06-13
上傳用戶：zhaiye
ICA經(jīng)典文章,入門必看。受益，高階矩統(tǒng)計(jì)牲在信號(hào)處理中的應(yīng)用，詳細(xì)介紹許多重要概念。
標(biāo)簽： ICA
上傳時(shí)間： 2015-06-25
上傳用戶：shawvi
HMM(Hidden Markov Model)，狀態(tài)數(shù)目N=3，觀察符號(hào)數(shù)目M=2，時(shí)間長度T=3。 (a) Probability Evaluation: 給定狀態(tài)轉(zhuǎn)換機(jī)率A、狀態(tài)符號(hào)觀察機(jī)率B、和起始機(jī)率 ，求觀察序列 出現(xiàn)的機(jī)率。 (b) Optimal State Sequence: 給定狀態(tài)轉(zhuǎn)換機(jī)率A、狀態(tài)符號(hào)觀察機(jī)率B、起始機(jī)率 、和觀察序列 ，求一個(gè)狀態(tài)序列 使得O出現(xiàn)的機(jī)率最大。 (c) Parameter Estimation: 給定狀態(tài)轉(zhuǎn)換機(jī)率A、狀態(tài)符號(hào)觀察機(jī)率B、起始機(jī)率 、和觀察序列 ，求新的A、B、 ，使得O出現(xiàn)的機(jī)率最大。
標(biāo)簽： Hidden Markov Model HMM
上傳時(shí)間： 2014-08-28
上傳用戶：heart520beat
在Turbo C環(huán)境下開發(fā)，實(shí)現(xiàn)對(duì)稱矩陣的輸入，并判定是否為正定。可以修改輸入模塊實(shí)現(xiàn)對(duì)任意非奇異矩陣求逆。求逆算法采用伴隨矩陣法，求解行列式采用化上三角矩陣法。該算法系本人根據(jù)《線性代數(shù)》描述編寫，矩陣的最大階數(shù)可任意修改，更具有通用性。
上傳時(shí)間： 2015-07-01
上傳用戶：zm7516678
* 高斯列主元素消去法求解矩陣方程AX=B,其中A是N*N的矩陣,B是N*M矩陣 * 輸入: n----方陣A的行數(shù) * a----矩陣A * m----矩陣B的列數(shù) * b----矩陣B * 輸出: det----矩陣A的行列式值 * a----A消元后的上三角矩陣 * b----矩陣方程的解X
上傳時(shí)間： 2015-07-26
上傳用戶：xauthu
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
