音频<b>矩阵</b>

给出了线性方程组矩阵Ax=b在并行预处理共轭梯度法求解过程

给出了线性方程组矩阵Ax=b在并行预处理共轭梯度法求解过程，绝对有用哟

标签： Ax 线性方程并行

上传时间： 2014-01-06

上传用户：love_stanford
模糊矩阵类可以根据不同的模糊算子计算模糊矩阵的并运算C=A∪B,交运算　Ｃ＝Ａ∩Ｂ,求余运算　Ｃ＝1-Ａ等

模糊矩阵类可以根据不同的模糊算子计算模糊矩阵的并运算C=A∪B,交运算　Ｃ＝Ａ∩Ｂ,求余运算　Ｃ＝1-Ａ等

标签： 模糊运算矩阵计算

上传时间： 2017-05-18

上传用户：invtnewer
介绍行列划分算法和矩阵相乘并行算法M P I 程序, 给出基于矩阵相乘并行算法的M P I 实现, 分析和讨论处理器数目、复杂性、矩阵划分、B 子块传递、死锁避免和矩阵数据的获取等问题.

介绍行列划分算法和矩阵相乘并行算法M P I 程序, 给出基于矩阵相乘并行算法的M P I 实现, 分析和讨论处理器数目、复杂性、矩阵划分、B 子块传递、死锁避免和矩阵数据的获取等问题.

标签： 分矩阵相乘并行算法矩阵

上传时间： 2017-06-03

上传用户：royzhangsz
function [clusters,c,F]=fisher_classify(A,B,data) fisher判别法程序输入A、B为已知类别样本的样本-变量矩阵

function [clusters,c,F]=fisher_classify(A,B,data) fisher判别法程序输入A、B为已知类别样本的样本-变量矩阵，data为待分类样本输出C为判别系数向量

标签： fisher_classify function clusters fisher

上传时间： 2013-12-19

上传用户：CHINA526
A B AB D类音频功率放大器简介

该文档为A、B、AB、D类音频功率放大器简介文档，是一份很不错的参考资料，具有较高参考价值，感兴趣的可以下载看看………………

标签： ab 音频功率放大器

上传时间： 2021-11-28

上传用户：qdxqdxqdxqdx
基于MATLAB的B样条小波程序的实现

· 摘要： MATLAB是一种建立在向量、数组、矩阵基础上,面向科学和工程计算的高级语言,为科学研究和工程计算提供了一个方便有效的工具.该文简要介绍了B样条和B样条小波的构成,并利用MATLAB语言编写了绘制任意阶B样条和B样条小波图形的程序.

标签： MATLAB 程序

上传时间： 2013-04-24

上传用户：sqq
matlab解线性方程组的源代码 function x=nagauss2(a,b,flag) ％用途：选列主元Gauss消去法解线性方程组ax=b ％格式：x=nagauss2(a,b,fl

matlab解线性方程组的源代码 function x=nagauss2(a,b,flag) ％用途：选列主元Gauss消去法解线性方程组ax=b ％格式：x=nagauss2(a,b,flag) a为系数矩阵，b为右端列向量，flag若为0，则显示中间过程

标签： nagauss function matlab Gauss

上传时间： 2013-12-22

上传用户：exxxds
【问题描述】已知线性方程组AX=B

【问题描述】已知线性方程组AX=B，求解该方程组。参考算法：消去法：将列向量B加到矩阵A的最后一列，构成增广矩阵AB。对AB进行下列三种初等变换，使原矩阵A的部分的主对角线上的元素均为1，其余元素均为0，则原列向量B的部分即为X的值： 1. 将矩阵的一行乘以一个不为0的数 2. 将矩阵的一行加上另一行的倍数 3. 交换矩阵中两行的位置

标签： AX 线性方程

上传时间： 2015-06-18

上传用户：stvnash
直接型到级联型的形式转换％ [b0,B,A]=dir2cas(b,a) ％b 为直接型的分子多项式系数％a 为直接型的分母多项式系数％b0为增益系数％B 为包含各bk的K乘3维实系数

直接型到级联型的形式转换％ [b0,B,A]=dir2cas(b,a) ％b 为直接型的分子多项式系数％a 为直接型的分母多项式系数％b0为增益系数％B 为包含各bk的K乘3维实系数矩阵％A 为包含各ak的K乘3维实系数矩阵％

标签： 系数 dir cas 多项式

上传时间： 2013-12-30

上传用户：agent
Floyd-Warshall算法描述 1)适用范围： a)APSP(All Pairs Shortest Paths) b)稠密图效果最佳 c)边权可正可负 2)算法描述： a)初始化：d

Floyd-Warshall算法描述 1)适用范围： a)APSP(All Pairs Shortest Paths) b)稠密图效果最佳 c)边权可正可负 2)算法描述： a)初始化：dis[u,v]=w[u,v] b)For k:=1 to n For i:=1 to n For j:=1 to n If dis[i,j]>dis[i,k]+dis[k,j] Then Dis[I,j]:=dis[I,k]+dis[k,j] c)算法结束：dis即为所有点对的最短路径矩阵 3)算法小结：此算法简单有效，由于三重循环结构紧凑，对于稠密图，效率要高于执行|V|次Dijkstra算法。时间复杂度O(n^3)。考虑下列变形：如(I,j)∈E则dis[I,j]初始为1,else初始为0，这样的Floyd算法最后的最短路径矩阵即成为一个判断I,j是否有通路的矩阵。更简单的，我们可以把dis设成boolean类型，则每次可以用“dis[I,j]:=dis[I,j]or(dis[I,k]and dis[k,j])”来代替算法描述中的蓝色部分，可以更直观地得到I,j的连通情况。

标签： Floyd-Warshall Shortest Pairs Paths

上传时间： 2013-12-01

上传用户：dyctj