本程序是用c++實現的多功能文本編輯器，它除了可以實現一般文本的編輯功能，還增加了保存文檔a(save), 轉為大寫m(large),改為小寫k(small),復制段j(copy),中英文轉換t(language)等功能
上傳時間： 2013-12-23
上傳用戶：wuyuying
數據挖掘常用的算法，包括id3，k均值，FCM，SVM,CART五個常用的算法，是用matlab編寫的。
上傳時間： 2015-04-23
上傳用戶：exxxds
盒維數MATLAB計算程序。%根據計盒維數原理編寫了求一維曲線分形維數的matlab程序 function D=FractalDim(y,cellmax) %求輸入一維信號的計盒分形維數 %y是一維信號 %cellmax:方格子的最大邊長,可以取2的偶數次冪次(1,2,4,8...),取大于數據長度的偶數 %D是y的計盒維數（一般情況下D>=1）,D=lim(log(N(e))/log(k/e)),
標簽： FractalDim function cellmax MATLAB
上傳時間： 2015-04-23
上傳用戶：liuchee
prolog 找路例子程序： === === === === === === Part 1-Adding connections Part 2-Simple Path example | ?- path1(a,b,P,T). will produce the response: T = 15 P = [a,b] ? Part 3 - Non-repeating path As an example, the query: ?- path2(a,h,P,T). will succeed and may produce the bindings: P = [a,depot,b,d,e,f,h] T = 155 Part 4 - Generating a path below a cost threshold As an example, the query: ?- path_below_cost(a,[a,b,c,d,e,f,g,h],RS,300). returns: RS = [a,b,depot,c,d,e,g,f,h] ? RS = [a,c,depot,b,d,e,g,f,h] ? no ==================================
標簽： Part connections example prolog
上傳時間： 2015-04-24
上傳用戶：ljt101007
模擬退火算法來源于固體退火原理，將固體加溫至充分高，再讓其徐徐冷卻，加溫時，固體內部粒子隨溫升變為無序狀，內能增大，而徐徐冷卻時粒子漸趨有序，在每個溫度都達到平衡態，最后在常溫時達到基態，內能減為最小。根據Metropolis準則，粒子在溫度T時趨于平衡的概率為e-ΔE/(kT)，其中E為溫度T時的內能，ΔE為其改變量，k為Boltzmann常數。用固體退火模擬組合優化問題，將內能E模擬為目標函數值f，溫度T演化成控制參數t，即得到解組合優化問題的模擬退火算法：由初始解i和控制參數初值t開始，對當前解重復“產生新解→計算目標函數差→接受或舍棄”的迭代，并逐步衰減t值，算法終止時的當前解即為所得近似最優解，這是基于蒙特卡羅迭代求解法的一種啟發式隨機搜索過程。退火過程由冷卻進度表(Cooling Schedule)控制，包括控制參數的初值t及其衰減因子Δt、每個t值時的迭代次數L和停止條件S。
標簽： 模擬退火算法
上傳時間： 2015-04-24
上傳用戶：R50974
模擬退火算法來源于固體退火原理，將固體加溫至充分高，再讓其徐徐冷卻，加溫時，固體內部粒子隨溫升變為無序狀，內能增大，而徐徐冷卻時粒子漸趨有序，在每個溫度都達到平衡態，最后在常溫時達到基態，內能減為最小。根據Metropolis準則，粒子在溫度T時趨于平衡的概率為e-ΔE/(kT)，其中E為溫度T時的內能，ΔE為其改變量，k為Boltzmann常數。用固體退火模擬組合優化問題，將內能E模擬為目標函數值f，溫度T演化成控制參數t，即得到解組合優化問題的模擬退火算法：由初始解i和控制參數初值t開始，對當前解重復“產生新解→計算目標函數差→接受或舍棄”的迭代，并逐步衰減t值，算法終止時的當前解即為所得近似最優解，這是基于蒙特卡羅迭代求解法的一種啟發式隨機搜索過程。退火過程由冷卻進度表(Cooling Schedule)控制，包括控制參數的初值t及其衰減因子Δt、每個t值時的迭代次數L和停止條件S。
標簽： 模擬退火算法
上傳時間： 2015-04-24
上傳用戶：ryb
模擬退火算法來源于固體退火原理，將固體加溫至充分高，再讓其徐徐冷卻，加溫時，固體內部粒子隨溫升變為無序狀，內能增大，而徐徐冷卻時粒子漸趨有序，在每個溫度都達到平衡態，最后在常溫時達到基態，內能減為最小。根據Metropolis準則，粒子在溫度T時趨于平衡的概率為e-ΔE/(kT)，其中E為溫度T時的內能，ΔE為其改變量，k為Boltzmann常數。用固體退火模擬組合優化問題，將內能E模擬為目標函數值f，溫度T演化成控制參數t，即得到解組合優化問題的模擬退火算法：由初始解i和控制參數初值t開始，對當前解重復“產生新解→計算目標函數差→接受或舍棄”的迭代，并逐步衰減t值，算法終止時的當前解即為所得近似最優解，這是基于蒙特卡羅迭代求解法的一種啟發式隨機搜索過程。退火過程由冷卻進度表(Cooling Schedule)控制，包括控制參數的初值t及其衰減因子Δt、每個t值時的迭代次數L和停止條件S。
標簽： 模擬退火算法
上傳時間： 2014-12-19
上傳用戶：TRIFCT
CDMA的Matlab例程，為研究萊斯K因子影響提供一個平臺，僅供參考
上傳時間： 2013-12-26
上傳用戶：龍飛艇
數據結構算法：使用循環隊列，K階斐波那契數列的一種算法實現。
上傳時間： 2014-02-04
上傳用戶：Shaikh
DSP編程代碼,FFT算法,經典!! FFT實驗 一、 理論： 公式（1）FFT運算公式 FFT并不是一種新的變換，它是離散傅立葉變換（DFT）的一種快速算法。由于我們在計算DFT時一次復數乘法需用四次實數乘法和二次實數加法；一次復數加法則需二次實數加法。每運算一個X（k）需要4N次復數乘法及2N+2（N-1）=2（2N-1）次實數加法。所以整個DFT運算總共需要4N^2次實數乘法和N*2(2N-1)=2N(2N-1)次實數加法。如此一來，計算時乘法次數和加法次數都是和N^2成正比的，當N很大時，運算量是可觀的，因而需要改進對DFT的算法減少運算速度。 根據傅立葉變換的對稱性和周期性，我們可以將DFT運算中有些項合并。 我們先設序列長度為N=2^L，L為整數。將N=2^L的序列x(n)(n=0,1,……，N-1)，按N的奇偶分成兩組，也就是說我們將一個N點的DFT分解成兩個N/2點的DFT，他們又從新組合成一個如下式所表達的N點DFT： 一般來說，輸入被假定為連續、合成的。當輸入為純粹的實數的時候，我們就可以利用左右對稱的特性更好的計算DFT。 我們稱這樣的RFFT優化算法是包裝算法：首先2N點實數的連續輸入稱為“進包”。其次N點的FFT被連續被運行。最后作為結果產生的N點的合成輸出是
上傳時間： 2015-04-29
上傳用戶：牛布牛
<kbd id="16116"></kbd>