一、RSA基本原理 對明文分組M和密文分組C，加密與解密過程如下： C = POW (M , e) mod n M = POW(C , d) mod n = POW(POW( M ,e), d) mod n=POW( M,e*d) 其中POW是指數函數，mod是求余數函數。 其中收發雙方均已知n，發送放已知e，只有接受方已知d，因此公鑰加密算法的公鑰為 KU={ e , n},私鑰為KR={d , n}。該算法要能用做公鑰加密，必須滿足下列條件： 1. 可以找到e ，d和n，使得對所有M<n ,POW(M ,e*d)=M mod n . 2. 對所有 M<n,計算POW (M , e)和POW(C , d)是比較容易的。 3. 由e 和n確定d是不可行的
上傳時間： 2014-08-04
上傳用戶：sevenbestfei
針對M/PH/1(k)排隊系統推導出該排隊系統在任意時刻、到達時刻、退去時刻的隊列長度狀態概率分布、平均隊列長度、以及平均等待時間，并編寫程序進行數值計算，并對M/E2/1(k), M/M/1(k), M/H2/1(k)排隊系統的性能進行數值比較。
上傳時間： 2013-11-30
上傳用戶：秦莞爾w
這是我學習《MATLAB程序設計與應用》劉衛國、陳昭平 一書時第一章和第二章的課后習題 目錄 exponential_e.m exsub.m fheritage.m initialise.m matrix.m matrix2.m matrixm.m matrix_c.m matrix_mul.m mult.m mywork1201.dll mywork1201.m normcdf_.m p41_4.m p41_5.asv p41_5.m p41_6.m p41_7.m p41_8.m p64_1.m p64_2.m p64_3.m p64_4.m p64_5.m p65_10_1.m p65_10_2.m p65_10_3.m p65_6.m p65_8.m
標簽： exponential_e fheritage initiali MATLAB
上傳時間： 2015-08-11
上傳用戶：x4587
1、工具箱：LS_SVMlab Classification_LS_SVMlab.m - 多類分類 Regression_LS_SVMlab.m - 函數擬合 2、工具箱：OSU_SVM3.00 Classification_OSU_SVM.m - 多類分類 3、工具箱：stprtool\svm Classification_stprtool.m - 多類分類 4、工具箱：SVM_SteveGunn Classification_SVM_SteveGunn.m - 二類分類 Regression_SVM_SteveGunn.m - 函數擬合
標簽： Classification_LS_SVMlab Regression_LS_SVMlab LS_SVMlab OSU_SVM
上傳時間： 2014-01-20
上傳用戶：CHINA526
這是關于RADRA仿真的.有如下代碼placeClutter.m, plotDistLines.m, plotFOV.m, radarSimulation.m, runRadarSim.m, targetsReturn.m, radarSimulation.fig, analyzBuffer.m, buildAntenaGain.m, createTargets.m, displayTargets.m, handleRadarControlls.m, MTIcalcTargetsV.m
標簽： radarSimulation plotDistLines placeClutter runRadarSim
上傳時間： 2015-10-15
上傳用戶：GavinNeko
已知一個序列x(n)=0.5cos(0.55*pi*n)+cos(0.45*pi*n),時域FFT分析其頻譜。 （1）使用不同寬度的矩形窗截斷該序列為M點，取M分別為：20，40，160,觀察不同長度對頻譜影響；（2）使用哈明窗和凱澤窗重做；（3）對三種窗的結果進行分析比較；（4）總結窗類型和長度對頻譜分析的影響。
上傳時間： 2013-12-25
上傳用戶：yuanyuan123
分數是兩個整數的比，通常表示為 (或b/a)的形式，其中b稱為分子，a稱為分母，分母不能為0。分數在計算機中以整數或浮點數（有限小數）的形式表示，大多數情況下都是近似表示，具有較大的誤差，例如 ，在計算機中用整數表示為0，用浮點數表示為0.333333。本實例就是要設計一個Fraction (分數) 類類型，該類型的對象可以像基本類型數據一樣進行運算，結果仍為分數，運算包括四則運算，關系運算，及求一元一次分式方程的解，輸入輸出要求按分數方式進行。
上傳時間： 2016-02-18
上傳用戶：zhoujunzhen
這里實現了基于四種SVM工具箱的分類與回歸算法: 1、工具箱：LS_SVMlab Classification_LS_SVMlab.m - 多類分類 Regression_LS_SVMlab.m - 函數擬合 2、工具箱：OSU_SVM3.00 Classification_OSU_SVM.m - 多類分類 3、工具箱：stprtool\svm Classification_stprtool.m - 多類分類 4、工具箱：SVM_SteveGunn Classification_SVM_SteveGunn.m - 二類分類 Regression_SVM_SteveGunn.m - 函數擬合 更詳細的相關函數說明請通過help命令查看！
標簽： Classification_LS_SVMlab Regression_LS_SVMlab LS_SVMlab SVM
上傳時間： 2016-03-03
上傳用戶：jkhjkh1982
讀取mit-bih心電信號數據的m文件，rddata.m,英文
上傳時間： 2013-12-01
上傳用戶：225588
圖的深度遍歷，輸出結果為（紅色為鍵盤輸入的數據，權值都置為1）： 輸入頂點數和弧數:8 9 輸入8個頂點. 輸入頂點0:a 輸入頂點1:b 輸入頂點2:c 輸入頂點3:d 輸入頂點4:e 輸入頂點5:f 輸入頂點6:g 輸入頂點7:h 輸入9條弧. 輸入弧0:a b 1 輸入弧1:b d 1 輸入弧2:b e 1 輸入弧3:d h 1 輸入弧4:e h 1 輸入弧5:a c 1 輸入弧6:c f 1 輸入弧7:c g 1 輸入弧8:f g 1 深度優先遍歷: a b d h e c f g 程序結束.
標簽：
上傳時間： 2016-04-04
上傳用戶：lht618
