z-trenning z-tickets. mipt lucky tickets. Count of numbers with 2*n digits in base k such that sum of first n digits is same as second n digits.
標簽： z-trenning z-tickets tickets numbers
上傳時間： 2014-01-05
上傳用戶：luopoguixiong
利用經典的COOLEY-TUKEY基2算法求復序列x[n]的DFTX[k].有Fortran的子程序和主程序,還有C程序
標簽： COOLEY-TUKEY Fortran DFTX 程序
上傳時間： 2017-03-26
上傳用戶：xwd2010
中卷積碼就是一種較好的信道編碼方式。這種編碼方式同樣是把k個信息比特編成n個比特，但k和n通常很小，特別適宜于以串行形式傳輸信息，減小了編碼延時。這里是卷積碼的viterbi算法C源代碼。
上傳時間： 2017-03-27
上傳用戶：ruixue198909
卷積碼就是一種較好的信道編碼方式。這種編碼方式同樣是把k個信息比特編成n個比特，但k和n通常很小，特別適宜于以串行形式傳輸信息，減小了編碼延時。這里是卷積碼的viterbi算法java源代碼。
上傳時間： 2014-11-26
上傳用戶：ztj182002
C語言的開發模式, 是編寫.c的Source Code, 再經由Compiler編譯成Object Code。所謂Object Code指的是和硬體相關的機器指令, 也就是說當我們想要把C程式移植到不同的硬體時, 必須要重新Compile,以產生新的執行檔。除了需要重新編譯外,新系統是否具備應用程式所需的程式庫,include的檔案是否相容, 也是程式能否在新機器上順利編譯和執行的條件之一。
標簽： Code Object Compiler Source
上傳時間： 2017-04-02
上傳用戶：yph853211
以cos（2*pi*k*t/N）信號空間，k=0,1,……N-1, 取N= 4，8，16，32，64等基信號作為傳輸信號，通過計算機仿真正交信號的誤碼率。
上傳時間： 2014-01-02
上傳用戶：851197153
OTSU Gray-level image segmentation using Otsu s method. Iseg = OTSU(I,n) computes a segmented image (Iseg) containing n classes by means of Otsu s n-thresholding method (Otsu N, A Threshold Selection Method from Gray-Level Histograms, IEEE Trans. Syst. Man Cybern. 9:62-66 1979). Thresholds are computed to maximize a separability criterion of the resultant classes in gray levels. OTSU(I) is equivalent to OTSU(I,2). By default, n=2 and the corresponding Iseg is therefore a binary image. The pixel values for Iseg are [0 1] if n=2, [0 0.5 1] if n=3, [0 0.333 0.666 1] if n=4, ... [Iseg,sep] = OTSU(I,n) returns the value (sep) of the separability criterion within the range [0 1]. Zero is obtained only with images having less than n gray level, whereas one (optimal value) is obtained only with n-valued images.
標簽： OTSU segmentation Gray-level segmented
上傳時間： 2017-04-24
上傳用戶：yuzsu
1.輸入一個數,并以它為邊長畫出一個用*組成的正方形. 2．求解滿足1*1+2*2+...n*n<1000的i的最大值. 3．求1~1000中的完數 4．輸入一個數,并判斷它是否為素數（這是return 語句的巧用） 5．輸出0~100中所有不能被3整除的數
上傳時間： 2017-05-11
上傳用戶：徐孺
giáo trình linh kiệ n đ iệ n tử .
上傳時間： 2017-06-14
上傳用戶：lizhen9880
k-means 算法的工作過程說明如下：首先從n個數據對象任意選擇 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）；不斷重復這一過程直到標準測度函數開始收斂為止。
上傳時間： 2013-12-27
上傳用戶：wpwpwlxwlx
