亚洲欧美第一页_禁久久精品乱码_粉嫩av一区二区三区免费野_久草精品视频

蟲蟲首頁| 資源下載| 資源專輯| 精品軟件
登錄| 注冊

k-query

  • kth算法的實現

    kth算法的實現,可找出第k次最短路徑,給出優化方案

    標簽: kth 算法

    上傳時間: 2016-06-11

    上傳用戶:FreeSky

  • 凱撒(kaiser)密碼的的解密

    凱撒(kaiser)密碼的的解密,也就是找出它的加密密鑰,從而進行解密,由于 它是一種對稱密碼體制,加解密的密鑰是一樣的,下邊簡單說明一下加解密 加密過程: 密文:C=M+K (mod 26) 解密過程: 明文:M=C-K (mod 26)

    標簽: kaiser 密碼 解密

    上傳時間: 2013-12-12

    上傳用戶:lx9076

  • Java: 在n 張撲克牌中找出順子 題目是這樣的:有n張撲克牌

    Java: 在n 張撲克牌中找出順子 題目是這樣的:有n張撲克牌,每張牌的取值范圍是:2,3,4,5,6,7,8,9,10,J,Q,K,A。在這n張牌中找出順子(5張及5張以上的連續的牌),并將這些順子打印出來。 思路:我的思路其實很簡單,首先就是要去掉重復的牌,因為同樣的順子之算一個,顯然JAVA中的Set很適合這個工作。同時又需要對這些牌進行排序,毫無疑問就是TreeSet了。然后從小到大遍歷這些牌,并設置一個計數器count。若發現連續的牌,則count++;若發現不連續的,分2中情況:若count>4,則找到了一個順子,存起來;反之則什么都不做。然后count=1,從新開始找順子。下面就是代碼:

    標簽: Java

    上傳時間: 2013-12-22

    上傳用戶:hewenzhi

  • !逐步回歸分析程序: ! M:輸入變量

    !逐步回歸分析程序: ! M:輸入變量,M=N+1,其中N為自變量的個數;M包括的因變量個數 ! K:輸入變量,觀測點數; ! F1:引入因子時顯著性的F-分布值; ! F2:剔除因子時顯著性的F-分布值; ! XX:存放自變量和因變量的平均值; ! B:存放回歸系數; ! V:存放偏回歸平方和和殘差平方和Q; ! S:存放回歸系數的標準偏差和估計的標準偏差; ! C:存放復相關系數; ! F:存放F-檢驗值;

    標簽: 回歸分析 變量 程序 輸入

    上傳時間: 2013-12-12

    上傳用戶:zaizaibang

  • Java程序最小到系統托盤源代碼 Java程序最小到系統托盤只用java是達不到的,你可以用Java Native Interface結合C或者C++的有關方法來實現!利用C++生成.dll文件來供

    Java程序最小到系統托盤源代碼 Java程序最小到系統托盤只用java是達不到的,你可以用Java Native Interface結合C或者C++的有關方法來實現!利用C++生成.dll文件來供java調用! %-!!m D?   我也收集了一些源代碼,這里拿出來供參考一下! .K8a-}qL 這是我搜集整理的,希望對尋找這方面信息的人有幫助![/

    標簽: Java Interface Native java

    上傳時間: 2014-01-25

    上傳用戶:SimonQQ

  • 計算xk+1除CRC-CCITT后的余式

    計算xk+1除CRC-CCITT后的余式,k從1到32768

    標簽: CRC-CCITT xk 計算

    上傳時間: 2014-01-19

    上傳用戶:ruixue198909

  • 計算xk+1除CRC-CCITT后的余式

    計算xk+1除CRC-CCITT后的余式,k從1到32768

    標簽: CRC-CCITT xk 計算

    上傳時間: 2016-06-18

    上傳用戶:ynsnjs

  • 計算xk+1除CRC-32后的余式

    計算xk+1除CRC-32后的余式,k從1到32768

    標簽: CRC xk 32 計算

    上傳時間: 2013-11-25

    上傳用戶:wangchong

  • 個人理財系統(管理股票信息)

    個人理財系統(管理股票信息),主要用來管理個人股票的信息,可以進行買入,賣出,股票分紅等股票的基本操作,實現的股票的分析功能,以及股票的趨勢(K線圖)。

    標簽: 股票

    上傳時間: 2016-06-21

    上傳用戶:zhenyushaw

  • The last step in training phase is refinement of the clusters found above. Although DynamicClusteri

    The last step in training phase is refinement of the clusters found above. Although DynamicClustering counters all the basic k-means disadvantages, setting the intra-cluster similarity r may require experimentation. Also, a cluster may have a lot in common with another, i.e., sequences assigned to it are as close to it as they are to another cluster. There may also be denser sub-clusters within the larger ones.

    標簽: DynamicClusteri refinement Although clusters

    上傳時間: 2014-01-04

    上傳用戶:watch100

主站蜘蛛池模板: 镇远县| 大埔区| 安福县| 汉阴县| 新津县| 常宁市| 申扎县| 神农架林区| 永春县| 东源县| 望城县| 遂宁市| 睢宁县| 南木林县| 肥西县| 顺昌县| 寿光市| 凤山县| 呈贡县| 沐川县| 渑池县| 定日县| 龙川县| 宁陵县| 长宁区| 寻甸| 永胜县| 南昌县| 渝北区| 巩义市| 瑞安市| 韩城市| 江源县| 昌都县| 闸北区| 吉林市| 保靖县| 泾源县| 营口市| 高安市| 双牌县|