builer6界面實(shí)例開發(fā)教學(xué)方法與應(yīng)用
標(biāo)簽： builer6
上傳時(shí)間： 2015-09-03
上傳用戶：star_in_rain
智能控制 簡(jiǎn)體字 介紹智能控制基本關(guān)念和應(yīng)用
標(biāo)簽： 智能控制
上傳時(shí)間： 2014-01-01
上傳用戶：bruce
本題的算法中涉及的三個(gè)函數(shù)： double bbp(int n,int k,int l) 其中n為十六進(jìn)制位第n位，k取值范圍為0到n+7，用來(lái)計(jì)算16nS1，16nS2，16nS3，16nS4小數(shù)部分的每一項(xiàng)。返回每一項(xiàng)的小數(shù)部分。 void pi(int m,int n,int p[]) 計(jì)算從n位開始的連續(xù)m位的十六進(jìn)制數(shù)字。其中p為存儲(chǔ)十六進(jìn)制數(shù)字的數(shù)組。 void div(int p[]) void add(int a[],int b[]) 這兩個(gè)函數(shù)都是為最后把十六進(jìn)制數(shù)字轉(zhuǎn)換為十進(jìn)制數(shù)字服務(wù)的。 最后把1000個(gè)數(shù)字分別存儲(chǔ)在整型數(shù)組r[]中，輸出就是按順序輸出該數(shù)組。
上傳時(shí)間： 2014-01-05
上傳用戶：xcy122677
每組輸入是兩個(gè)整數(shù)n和k。(1 <= n <= 50, 1 <= k <= n) 對(duì)于每組輸入，請(qǐng)輸出四行。 第一行： 將n劃分成若干正整數(shù)之和的劃分?jǐn)?shù)。 第二行： 將n劃分成最大數(shù)不超過k的劃分?jǐn)?shù)。 第三行： 將n劃分成若干奇正整數(shù)之和的劃分?jǐn)?shù)。 第四行： 將n劃分成若干不同整數(shù)之和的劃分?jǐn)?shù)。
上傳時(shí)間： 2016-03-07
上傳用戶：腳趾頭
DSK6713開發(fā)系統(tǒng)ECHO.RAR應(yīng)用範(fàn)例程式
上傳時(shí)間： 2013-12-15
上傳用戶：王小奇
用線性緩沖區(qū)和間接尋址方法實(shí)現(xiàn)FIR濾波器 * *N=5,y(n)=h0*x(n)+h1*x(n-1)+h2*x(n-2)+h3*x(n-3)+h4*x(n-4)
上傳時(shí)間： 2013-12-01
上傳用戶：wanghui2438
用線性緩沖區(qū)和帶移位雙操作數(shù)尋址方法實(shí)現(xiàn)FIR濾波器 * *N=5,y(n)=h0*x(n)+h1*x(n-1)+h2*x(n-2)+h3*x(n-3)+h4*x(n-4)*
上傳時(shí)間： 2016-07-25
上傳用戶：璇珠官人
*用循環(huán)緩沖區(qū)和雙操作數(shù)尋址方法實(shí)現(xiàn)FIR濾波器 *N=80,y(n)=h0*x(n)+h1*x(n-1)+...+h78*x(n-78)+h79*x(n-79) *先用matlab，選擇80點(diǎn)漢明窗設(shè)計(jì)一個(gè)截止頻率為0.2pi的低通濾波器
上傳時(shí)間： 2016-07-25
上傳用戶：BOBOniu
K-MEANS算法: k-means 算法接受輸入量 k ；然后將n個(gè)數(shù)據(jù)對(duì)象劃分為 k個(gè)聚類以便使得所獲得的聚類滿足：同一聚類中的對(duì)象相似度較高；而不同聚類中的對(duì)象相似度較小。聚類相似度是利用各聚類中對(duì)象的均值所獲得一個(gè)“中心對(duì)象”（引力中心）來(lái)進(jìn)行計(jì)算的。 k-means 算法的工作過程說明如下：首先從n個(gè)數(shù)據(jù)對(duì)象任意選擇 k 個(gè)對(duì)象作為初始聚類中心；而對(duì)于所剩下其它對(duì)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(jì)算每個(gè)所獲新聚類的聚類中心（該聚類中所有對(duì)象的均值）；不斷重復(fù)這一過程直到標(biāo)準(zhǔn)測(cè)度函數(shù)開始收斂為止。一般都采用均方差作為標(biāo)準(zhǔn)測(cè)度函數(shù). k個(gè)聚類具有以下特點(diǎn)：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開
標(biāo)簽： 聚類 K-MEANS k-means 對(duì)象
上傳時(shí)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(gè)數(shù)據(jù)對(duì)象劃分為 k個(gè)聚類以便使得所獲得的聚類滿足：同一聚類中的對(duì)象相似度較高；而不同聚類中的對(duì)象相似度較小。聚類相似度是利用各聚類中對(duì)象的均值所獲得一個(gè)“中心對(duì)象”（引力中心）來(lái)進(jìn)行計(jì)算的。 k-means 算法的工作過程說明如下：首先從n個(gè)數(shù)據(jù)對(duì)象任意選擇 k 個(gè)對(duì)象作為初始聚類中心；而對(duì)于所剩下其它對(duì)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(jì)算每個(gè)所獲新聚類的聚類中心（該聚類中所有對(duì)象的均值）；不斷重復(fù)這一過程直到標(biāo)準(zhǔn)測(cè)度函數(shù)開始收斂為止。一般都采用均方差作為標(biāo)準(zhǔn)測(cè)度函數(shù). k個(gè)聚類具有以下特點(diǎn)：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開
標(biāo)簽： 聚類 K-MEANS k-means 對(duì)象
上傳時(shí)間： 2013-12-19
上傳用戶：chenlong
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
