C#编写的三次样条插值函数，TSS法求解对角矩阵方程函数，插值点函数值计算函数。
上传时间： 2014-11-18
上传用户：thuyenvinh
用LR法做的词法分析+语法分析+语义分析程序，对赋值语句进行翻译（用txt文档输入赋值语句）
上传时间： 2015-10-25
上传用户：hfmm633
牛顿－拉夫逊法潮流计算 基本步骤： （1）形成节点导纳矩阵 （2）将各节点电压设初值U， （3）将节点初值代入相关求式，求出修正方程式的常数项向量 （4）将节点电压初值代入求式，求出雅可比矩阵元素 （5）求解修正方程，求修正向量 （6）求取节点电压的新值 （7）检查是否收敛，如不收敛，则以各节点电压的新值作为初值自第3步重新开始进行狭义次迭代，否则转入下一步 （8）计算支路功率分布，PV节点无功功率和平衡节点柱入功率。
上传时间： 2013-12-11
上传用户：宋桃子
// 带有列主元的高斯消元法 // 功能： 求解线性方程组 Ax = b // 参数： A － 指向n*n系数矩阵的指针 // b － 常数向量的指针 // n － 方程组的维数 // 返回值：0 － 如果成功。线性方程组的解保存在 b 中 // 1 － 求解失败
上传时间： 2013-12-18
上传用户：xcy122677
％ 奇异值分解 (sigular value decomposition,SVD) 是另一种正交矩阵分解法；SVD是最可靠的分解法， ％ 但是它比QR 分解法要花上近十倍的计算时间。[U,S,V]=svd(A)，其中U和V代表二个相互正交矩阵， ％ 而S代表一对角矩阵。 和QR分解法相同者， 原矩阵A不必为正方矩阵。 ％ 使用SVD分解法的用途是解最小平方误差法和数据压缩。用svd分解法解线性方程组，在Quke2中就用这个来计算图形信息，性能相当的好。在计算线性方程组时，一些不能分解的矩阵或者严重病态矩阵的线性方程都能很好的得到解
标签： decomposition SVD sigular value
上传时间： 2013-12-14
上传用户：大融融rr
三次B样条插值曲面及其实现::目前在ＣＡＭ／ＣＡＭ的自由曲面构造方法中，较流行的有Ｂ样条曲面，Ｂｅｚｉｅｒ曲面、Ｂａｌｌ曲面等方法，但由这几种方法和成都是拟合曲面，而百插值曲面，常常不能满足一些工程实际中严格插值的要求，本文构造了一种自由插值曲面生成方法－Ｂ样条母线法，所生成曲面达到Ｃ＾２级光滑，适用机械，模具、汽车、造船等制造加工行业的复杂曲面设计。
上传时间： 2016-01-13
上传用户：tuilp1a
雜湊法(Hashing)的搜尋與一般的搜尋法(searching)是不一樣的。在雜湊法中，鍵值(key value)或識別字(identifier)在記憶體的位址是經由函數(function)轉換而得的。此種函數，一般稱之為雜湊函數(Hashing function)或鍵值對應位址轉換(key to address transformation)。對於有限的儲存空間，能夠有效使用且在加入或刪除時也能快的完成，利用雜湊法是最適當不過了。因為雜湊表搜尋在沒有碰撞(collision)及溢位(overflow)的情況下，只要一次就可擷取到。
上传时间： 2016-01-14
上传用户：dancnc
選擇排序法的概念簡單，每次從未排序部份選一最小值，插入已排序部份的後端，其時間主要花費於在整個未排序部份尋找最小值，如果能讓搜尋最小值的方式加快，選擇排序法的速率也就可以加快，Heap排序法讓搜尋的路徑由樹根至最後一個樹葉，而不是整個未排序部份，因而稱之為改良的選擇排序法。
标签： 排序
上传时间： 2013-12-14
上传用户：ywqaxiwang
追赶法，拉格朗日插值，高斯塞德尔迭代，牛顿迭代
标签：
上传时间： 2016-02-04
上传用户：sy_jiadeyi
在图像模板匹配问题中,基于像素灰度值的相关算法尽管已经十分普遍,并得到广泛的应用,但目前此类算法都还存在有时间复杂度高、对图像亮度与尺寸变化敏感等缺点.为了克服这些缺点,提出一种新的基于图像灰度值的编码表示方法.这种方法将图像分割为一定大小的方块(称为R-块),计算每个R-块图像的总灰度值,并根据它与相邻R-块灰度值的排序关系进行编码.然后通过各个R-块编码值的比较,实现图像与模板的匹配.新算法中各个R-块编码的计算十分简单 匹配过程只要对编码值进行相等比较,而且可以采用快速的比较算法.新算法对像素灰度的变化与噪声具有鲁棒性,其时间复杂度是O(M2log(N)).实验结果表明,新算法比现有的灰度相关算法的计算时间快了两个数量级.
上传时间： 2013-12-21
上传用户：a673761058
