KMP算法的思想一般數據結構書都有講，KMP算法本身與求next數組的算法很類似，無符號整型數據與整型數據比較大小
上傳時間： 2016-08-12
上傳用戶：lifangyuan12
世界上最難的一道題！愛因斯坦在20世紀初出的這個謎語。他說世界上有98％的人答不出來。聰明的你，試試吧！ 1、在一條街上，有5座房子，噴了5種顏色。 2、每個房里住著不同國籍的人 3、每個人喝不同的飲料，抽不同品牌的香煙，養不同的寵物 問題是：誰養魚？ 提示： 1、英國人住紅色房子 2、瑞典人養狗 3、丹麥人喝茶 4、綠色房子在白色房子左面 5、綠色房子主人喝咖啡 6、抽PallMall香煙的人養鳥 7、黃色房子主人抽Dunhill香煙 8、住在中間房子的人喝牛奶 9、挪威人住第一間房 10、抽Blends香煙的人住在養貓的人隔壁 11、養馬的人住抽Dunhill香煙的人隔壁 12、抽BlueMaster的人喝啤酒 13、德國人抽Prince香煙 14、挪威人住藍色房子隔壁 15、抽Blends香煙的人有一個喝水的鄰居
標簽： 愛因斯坦
上傳時間： 2013-12-18
上傳用戶：dbs012280
做DSP最應該懂得157個問題（回答） 四.5V/3.3V如何混接？ TI DSP的發展同集成電路的發展一樣，新的DSP都是3.3V的，但目前還有許多外圍電路是5V的，因此在DSP系統中，經常有5V和3.3V的DSP混接問題。在這些系統中，應注意： 1)DSP輸出給5V的電路（如D/A），無需加任何緩沖電路，可以直接連接。 2)DSP輸入5V的信號（如A/D），由于輸入信號的電壓>4V，超過了DSP的電源電壓，DSP的外部信號沒有保護電路，需要加緩沖，如74LVC245等，將5V信號變換成3.3V的信號。 3)仿真器的JTAG口的信號也必須為3.3V，否則有可能損壞DSP。 五.為什么要片內RAM大的DSP效率高？
上傳時間： 2016-08-29
上傳用戶：佳期如夢
陳明計：就像在嵌入系統中使用C語言替代匯編一樣,在嵌入系統中使用RTOS是大勢所趨。原因主要是現在在大多數情況下編程效率比執行效率重要(單片機便宜嘛)。但縱觀51的RTOS，keil_c51 所帶的RTX_Full 太大(6k多)，且需要外部ram，又無源代碼，很多時候不實用。RTX_Tiny雖然小(900多字節)，但是任務沒有優先級和中斷管理，也無源代碼，也不太實用。而ucosII雖有源代碼，但是它太大，又需要外部ram，所有函數又必須是重入函數，用在51這類小片內RAM的單片機上有點勉強。于是，我借鑒ucosII和RTX_Tiny編寫了Small_RTOS_51,雖然它為51系列編寫，但是它還是比較容易移植到其它CPU上。
上傳時間： 2016-08-31
上傳用戶：trepb001
這是一個文件型數據庫的學習資料，sqlit3在嵌入式環境下將會有很大的發展前景
標簽： 數據庫
上傳時間： 2014-12-20
上傳用戶：semi1981
就像在嵌入系統中使用C語言替代匯編一樣,在嵌入系統中使用RTOS是大勢所趨。原因主要是現在在大多數情況下編程效率比執行效率重要（單片機便宜嘛）。但縱觀51的RTOS，keil c51 所帶的RTX Full 太大（6k多），且需要外部ram，又無源代碼，很多時候不實用。RTX Tiny雖然小（900多字節），但是任務沒有優先級和中斷管理，也無源代碼，也不太實用。而ucosII雖有源代碼，但是它太大，又需要外部ram，所有函數又必須是重入函數，用在51這類小片內RAM的單片機上有點勉強。于是，我借鑒ucosII和RTX Tiny編寫了Small RTOS 51,雖然它為51系列編寫，但是它還是比較容易移植到其它CPU上。
上傳時間： 2014-01-17
上傳用戶：變形金剛
CSDN論壇-算法精華.chm文件 有各種各樣的算法,如:最短路徑有兩種不同的提法：一是從某個頂點到其它頂點的最短路徑，二是每一對頂點的最短路徑，前者是否包含后者？若不然，前者與最小生成樹有何區別？
上傳時間： 2014-01-10
上傳用戶：努力努力再努力
你還在自己模擬IIC總線時序嗎？別傻啦，趕緊用真正的IIC總線吧，C8051F單片機就有這樣的功能，這是一個用IIC總線讀寫時鐘芯片的例子，工作正常，反正我用了三年，沒問題
上傳時間： 2016-10-30
上傳用戶：s363994250
連鎖酒店VPN解決方案由于商務型、游客型的客人占大部分的酒店住房比例，這些客人多半有收發MAIL、實時通、Skype、數碼相機傳輸、瀏覽網頁等方面的需求，因此是否能提供優質的寬帶上網服務，可以說是酒店市場決勝的關鍵之一
上傳時間： 2013-12-16
上傳用戶：zhaiye
針對實際對象數學模型不明確而難以控制的問題,采用人工免疫網絡的離散模 型與學習算法,將人工免疫系統與神經網絡結構的優勢相結合,提出了一種基于人工免疫 網絡的模式識別算法,構造了對象識別的人工免疫網絡模型.該算法綜合了網絡節點的定 位與參數調整以及對基函數的平滑因子實施調諧等功能,有效地解決了徑向基函數 (RBF)神經網絡模式識別的兩個階段任務,使模式識別的精度有較大的改進.采用兩個不 同對象函數進行的仿真試驗表明,該算法具有快速收斂性與較高的準確性.
上傳時間： 2016-11-21
上傳用戶：遠遠ssad
