給出了廣義逐次超松弛( GSOR) 迭代算法,得到了GSOR 算法收斂的必要性和充分性 條件,當(dāng)參數(shù)矩陣Ω = diag (ω1 ,ω2 , ⋯ ,ωn) = ωI n 時(shí),即可得到熟知的SOR 算法,舉例說明了 GSOR 算法的應(yīng)用。
上傳時(shí)間： 2014-11-28
上傳用戶：大三三
有限期作業(yè)安排問題”描述如下:有n個(gè)任務(wù)J1,J2,...,Jn,每個(gè)任務(wù)Ji都有一個(gè)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(gè)任務(wù)所需時(shí)間均為一個(gè)單位時(shí)間).這個(gè)問題適合用貪心算法來解決,貪心算法的出發(fā)點(diǎn)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(duì)于本問題由于每一個(gè)任務(wù)都有一個(gè)完成的期限,因此在任務(wù)安排過程中除了考慮利潤C(jī)i外,還要考慮期限di.
上傳時(shí)間： 2016-06-27
上傳用戶：s363994250
求第K個(gè)最小值 比2分法還快的算法 只要比N-1次就行
上傳時(shí)間： 2016-07-01
上傳用戶：cooran
Spansion公司關(guān)於NOR FLASH的例程, 相比一些個(gè)人開發(fā)的程序來說, 較為完善
標(biāo)簽： Spansion FLASH NOR 程序
上傳時(shí)間： 2016-07-08
上傳用戶：dreamboy36
在一個(gè)操場的四周擺放著n 堆石子。現(xiàn)要將石子有次序地合并成一堆。規(guī)定在合并過程 中最多可以有m(k)次選k 堆石子合并成新的一堆，2≤k≤n，合并的費(fèi)用為新的一堆的石子 數(shù)。試設(shè)計(jì)一個(gè)算法，計(jì)算出將n 堆石子合并成一堆的最小總費(fèi)用。
上傳時(shí)間： 2013-12-13
上傳用戶：cc1015285075
離散01串問題 « 問題描述： (n,k)01 串定義為：長度為n 的01 串，其中不含k 個(gè)連續(xù)的相同子串。對(duì)于給定的正 整數(shù)n 和k，計(jì)算(n,k)01 串的個(gè)數(shù)。 « 編程任務(wù)： 對(duì)于給定的正整數(shù)n和k，計(jì)算(n,k)01串的個(gè)數(shù)。
上傳時(shí)間： 2016-07-15
上傳用戶：fredguo
1、以不同的視角觀察球面 和圓柱面 所圍區(qū)域。2、畫出s(t)=cos(2/3πf0t)的曲線及其付氏變換的曲線.設(shè):f0=1KHz,時(shí)域分辨率 dt=0.01ms, 采樣點(diǎn)數(shù) N=2k, k>10.（均為M文件）
上傳時(shí)間： 2014-11-04
上傳用戶：wangzhen1990
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
這是用MICROCHIP PIC做的可控制三相或單相感應(yīng)馬達(dá)正反轉(zhuǎn)作為大門開啟用
上傳時(shí)間： 2014-08-10
上傳用戶：linlin
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
