C51單片機(jī)實(shí)現(xiàn)對(duì)PC鍵盤(pán)的讀取與顯示 具體細(xì)節(jié)請(qǐng)參考源程序 將時(shí)鐘線接入外部中斷 數(shù)據(jù)線接入普通I/O輸入輸出口
標(biāo)簽： C51 單片機(jī) 鍵盤(pán) 讀取
上傳時(shí)間： 2015-04-02
上傳用戶(hù)：czl10052678
C51單片機(jī)實(shí)現(xiàn)對(duì)PC鼠標(biāo)的讀取與顯示具體細(xì)節(jié)請(qǐng)參考源程序?qū)r(shí)鐘線接入外部中斷數(shù)據(jù)線接入普通I/O輸入輸出口
標(biāo)簽： C51 單片機(jī) 鼠標(biāo) 讀取
上傳時(shí)間： 2013-12-25
上傳用戶(hù)：zhuimenghuadie
C51單片機(jī)通過(guò)紅外通信實(shí)現(xiàn)PC鍵盤(pán)的無(wú)線通信 讀取與顯示具體細(xì)節(jié)請(qǐng)參考源程序?qū)r(shí)鐘線接入外部中斷數(shù)據(jù)線接入普通I/O輸入輸出口
標(biāo)簽： C51 單片機(jī) 紅外 無(wú)線通信
上傳時(shí)間： 2015-04-02
上傳用戶(hù)：silenthink
Advantech Driver Demo : port I/O 軟件修改 控制外板輸出
標(biāo)簽： Advantech Driver Demo port
上傳時(shí)間： 2013-12-18
上傳用戶(hù)：songyue1991
實(shí)現(xiàn)聚類(lèi)K均值算法： K均值算法：給定類(lèi)的個(gè)數(shù)K，將n個(gè)對(duì)象分到K個(gè)類(lèi)中去，使得類(lèi)內(nèi)對(duì)象之間的相似性最大，而類(lèi)之間的相似性最小。 缺點(diǎn)：產(chǎn)生類(lèi)的大小相差不會(huì)很大，對(duì)于臟數(shù)據(jù)很敏感。 改進(jìn)的算法：k—medoids 方法。這兒選取一個(gè)對(duì)象叫做mediod來(lái)代替上面的中心 的作用，這樣的一個(gè)medoid就標(biāo)識(shí)了這個(gè)類(lèi)。步驟： 1，任意選取K個(gè)對(duì)象作為medoids（O1,O2,…Oi…Ok）。 以下是循環(huán)的： 2，將余下的對(duì)象分到各個(gè)類(lèi)中去（根據(jù)與medoid最相近的原則）； 3，對(duì)于每個(gè)類(lèi)（Oi）中，順序選取一個(gè)Or，計(jì)算用Or代替Oi后的消耗—E（Or）。選擇E最小的那個(gè)Or來(lái)代替Oi。這樣K個(gè)medoids就改變了，下面就再轉(zhuǎn)到2。 4，這樣循環(huán)直到K個(gè)medoids固定下來(lái)。 這種算法對(duì)于臟數(shù)據(jù)和異常數(shù)據(jù)不敏感，但計(jì)算量顯然要比K均值要大，一般只適合小數(shù)據(jù)量。
上傳時(shí)間： 2015-04-03
上傳用戶(hù)：sardinescn
企業(yè)存儲(chǔ)的市場(chǎng)細(xì)分：芯片存儲(chǔ)（Solid State Disk ）I/O瓶頸的根本解決方案
標(biāo)簽： Solid State Disk 存儲(chǔ)
上傳時(shí)間： 2013-12-24
上傳用戶(hù)：
EasyARM2131開(kāi)發(fā)板源碼之一-----------6.GPIO輸出實(shí)驗(yàn)-LED數(shù)碼管顯示0-F字符，同時(shí)控制LED1、LED2、LED3、LED4顯示對(duì)應(yīng)的16進(jìn)行值
標(biāo)簽： EasyARM 2131 GPIO LED
上傳時(shí)間： 2015-04-03
上傳用戶(hù)：hewenzhi
i2c總線對(duì)于單片機(jī)的擴(kuò)展很有幫助, 可以通過(guò)兩個(gè)i/o口進(jìn)行大量的擴(kuò)張. 這是一個(gè)i/c的應(yīng)用程序.
標(biāo)簽： i2c 總線 單片機(jī) 應(yīng)用程序
上傳時(shí)間： 2013-11-25
上傳用戶(hù)：love1314
在C8051中用I/O口模擬SPI的C代碼.
上傳時(shí)間： 2013-12-17
上傳用戶(hù)：498732662
調(diào)用過(guò)程 CM = Confusion_matrix(train_predicts, train_targets) [combining_predicts, errorrate] = combining_NB(DP, test_targets, CM) DP，三維數(shù)組，(i,j,k)為第k個(gè)樣本的DP矩陣 targets 為 0 1 2
標(biāo)簽： combining_predicts Confusion_matrix train_predicts train_targets
上傳時(shí)間： 2015-04-04
上傳用戶(hù)：it男一枚
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
