裡面包含VB控制電腦i/p port所需的軟件，以及相關(guān)的範(fàn)例
上傳時(shí)間： 2013-12-22
上傳用戶：璇珠官人
《算法分析與設(shè)計(jì)》中的 “矩陣連乘程序”給定n個(gè)矩陣｛A1,A2,…,An｝，其中Ai與Ai+1是可乘的，i=1,2 ,…,n-1。由于矩陣滿足乘法的結(jié)合律，根據(jù)加括號(hào)的如何確定計(jì)算矩陣連乘積的計(jì)算次序，使得依此次序計(jì)算矩陣連乘積需要的數(shù)乘次數(shù)最少。
上傳時(shí)間： 2015-11-22
上傳用戶：ma1301115706
快速瞭解ECLIPSE 目錄 序言· 一．Eclipse 簡(jiǎn)介 二．Eclipse 組織 三．Eclipse 相關(guān)術(shù)語 四．Eclipse 平臺(tái) 五．EMF & GEF 介紹 六．關(guān)於Eclipse、SWT 和JFace 一個(gè)SWT 應(yīng)用程式的基礎(chǔ)材料 基本控制項(xiàng) 標(biāo)籤 文件 按鈕 事件監(jiān)聽器 複合控制項(xiàng) Shell 佈局管理器 FillLayout GridLayout GridData 15 建立一個(gè)執(zhí)行程式 為什麼使用SWT 七．OSGI 簡(jiǎn)介 Eclipse 資源 附錄1 SWT 的內(nèi)幕？ 附錄2 相關(guān)網(wǎng)站 附錄3 外掛開發(fā)
標(biāo)簽： Eclipse ECLIPSE EMF GEF
上傳時(shí)間： 2015-11-30
上傳用戶：cc1
“網(wǎng)絡(luò)基本輸入／輸出系統(tǒng)”（Network Basic Input/Output System, NetBIOS）是一種標(biāo)準(zhǔn)的應(yīng)用程序編程接口（ A P I），1 9 8 3年由S y t e k公司專為I B M開發(fā)成功)
標(biāo)簽： Network NetBIOS Output System
上傳時(shí)間： 2015-12-09
上傳用戶：wanghui2438
最佳調(diào)度問題，假設(shè)有n個(gè)任務(wù)由k個(gè)可并行工作的機(jī)器完成。完成任務(wù)i需要的時(shí)間為ti。試設(shè)計(jì)一個(gè)算法找出完成這n個(gè)任務(wù)的最佳調(diào)度，使得完成全部任務(wù)的時(shí)間最早。
標(biāo)簽： 調(diào)度
上傳時(shí)間： 2014-01-06
上傳用戶：1101055045
背包問題是關(guān)於最佳化的問題，要解最佳化問題可以使用「動(dòng)態(tài)規(guī)劃」（Dynamic programming），從空集合開始，每增加一個(gè)元素就先求出該階段的最佳解，直到所有的元素加入至集合中，最後得到的就是最佳解。 以背包問題為例，我們使用兩個(gè)陣列value與item，value表示目前的最佳解所得之總價(jià)，item表示最後一個(gè)放至背包的水果，假設(shè)有負(fù)重量 1～8的背包8個(gè)，並對(duì)每個(gè)背包求其最佳解
標(biāo)簽：
上傳時(shí)間： 2014-01-22
上傳用戶：aix008
給定一個(gè)n位正整數(shù)a，去掉其中任意k<=n個(gè)數(shù)字后，剩下的數(shù)字按原次序排列成一個(gè)新的正整數(shù)。對(duì)于給定的n位正整數(shù)a和正整數(shù)k，設(shè)計(jì)一個(gè)算法找出剩下數(shù)字組成的新數(shù)最小的刪數(shù)方案。
上傳時(shí)間： 2013-12-12
上傳用戶：685
陣列信號(hào)處理波束形成卡朋算法仿真：該程序陣列數(shù)為N，采樣點(diǎn)數(shù)為K，入射信號(hào)為30度角，干擾信號(hào)為60度角。 功能：提取有用信號(hào)抑制干擾信號(hào)
標(biāo)簽： 陣列信號(hào)處理 波束形成 仿真 算法
上傳時(shí)間： 2014-12-01
上傳用戶：jackgao
How the K-mean Cluster work Step 1. Begin with a decision the value of k = number of clusters Step 2. Put any initial partition that classifies the data into k clusters. You may assign the training samples randomly, or systematically as the following: Take the first k training sample as single-element clusters Assign each of the remaining (N-k) training sample to the cluster with the nearest centroid. After each assignment, recomputed the centroid of the gaining cluster. Step 3 . Take each sample in sequence and compute its distance from the centroid of each of the clusters. If a sample is not currently in the cluster with the closest centroid, switch this sample to that cluster and update the centroid of the cluster gaining the new sample and the cluster losing the sample. Step 4 . Repeat step 3 until convergence is achieved, that is until a pass through the training sample causes no new assignments.
標(biāo)簽： the decision clusters Cluster
上傳時(shí)間： 2013-12-21
上傳用戶：gxmm
一 ：排序n個(gè)元素，元素為隨機(jī)生成的長(zhǎng)為1~16的字符串，n的取值為2k（k取4、6、8、10、12、16、18、20），排序算法分別為直接插入排序， 冒泡排序，堆排序，歸并排序，快速排序，比較各種排序在不同輸入下的運(yùn)行時(shí)間. 二：排序n個(gè)元素，元素為隨機(jī)生成的1~10000的正整數(shù)，n的取值為2k（k取4、6、8、10、12、16、18、20），排序算法分別為直接插入排序，快速排序，基數(shù)排序，計(jì)數(shù)排序，比較各種排序在不同輸入下的運(yùn)行時(shí)間.
上傳時(shí)間： 2016-02-07
上傳用戶：dsgkjgkjg
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
