本八路抢答器设计使用方法非常简单,从上述工作原理可知,抢答前只需先将开关K置于然后再置于即可进行抢答
标签: 抢答器设计
上传时间: 2016-08-19
上传用户:nairui21
cskmeans 聚类算法的一种 1. 分裂法(partitioning methods):给定一个有N个元组或者纪录的数据集,分裂法将构造K个分组,每一个分组就代表一个聚类,K<N。而且这K个分组满足下列条件:(1) 每一个分组至少包含一个数据纪录;(2)每一个数据纪录属于且仅属于一个分组(注意:这个要求在某些模糊聚类算法中可以放宽);对于给定的K,算法首先给出一个初始的分组方法,以后通过反复迭代的方法改变分组,使得每一次改进之后的分组方案都较前一次好,而所谓好的标准就是:同一分组中的记录越近越好,而不同分组中的纪录越远越好。使用这个基本思想的算法有:K-MEANS算法、K-MEDOIDS算法、CLARANS算法;
标签: partitioning cskmeans methods 聚类算法
上传时间: 2014-01-16
上传用户:songyue1991
替代密码包括多种类型,如单表替代密码,多 字母替代密码等。试编程实现一种典型的单表替代密码—凯撒(Caesar)密码。它的加密方法是将明文中的每个字母用此字符在字母表中后面的第k个字母替代。它的加密过程可以表示为下面的函数:E(k)=(m+k)modn ,其中,m为明文字母在字母表中的位置数,n为字母表中的字母个数,k为密钥,E(k)为密文字母在字母表中对应的位置数。
标签: 密码
上传时间: 2016-08-20
上传用户:kernaling
rice信道在matlab下的仿真,当k趋于无群大是,为高斯信道,反之为瑞利信道
上传时间: 2014-01-24
上传用户:zhengzg
聚类算法,k-means和dbscan算法
标签: 聚类算法
上传时间: 2013-12-13
上传用户:Pzj
给定n 个登山机器人接力攀登的总高度m,及每个机器人连续攀登1 米,2 米,…,k米,所用的时间,编程计算最优攀登方案。
标签: 机器人
上传时间: 2016-08-27
上传用户:sevenbestfei
微程序控制器采用ATMEL AVR MEGA162,该MCU为双串口,16 k字节系统内可编程FLASH,512字节EEPROM等。MCU工作流程为:(1) 上电复位,初始化各输入输出端口,定时器,串口等;(2) 初始化GPS,输出数据仅保留RMC;(3) 初始化GPRS,设置服务器IP地址,端口;(4) MCU循环读出来自GPS的数据,通过GPRS发送至服务器。
上传时间: 2016-08-31
上传用户:邶刖
flash 键盘音效取自win2000系统ding.wav,经过CoolEdit处理成音阶,在Flash中导入在相应按钮上。 没有难度,就是耐心一点,成绩不错哦! 对应表: 低音G-a #G-w A-s #A-e B-d 中音C-f #C-t D-g #D-y E-h F-j #F-i G-k #G-o A-l #A-p B- 高音C-1 D-2 E-3 F-4 G-5 A-6 B-7 C(high)-8 #C-c #D-v #F-b #G-n #A-m
上传时间: 2014-02-06
上传用户:ljmwh2000
本工具软件为共享软件。在使用MAPGIS平台进行空间数据建库或大批量处理数据过程中,会涉及到大量繁重的数据处理工作。本工具软件即针对在此过程中遇到的问题,提供相应的功能给予解决,从而可以大幅度提高数据处理的工作效率、节约成本。主要功能如下: 1. 参数转换 根据(点、线、区)参数表(描述待转换的SLIB与目标SLIB之间的对应关系),将点、线、区文件转换为符合目标SLIB参数定义的文件,从而解决由于SLIB不一致而进行的数据转换问题。 2. 颜色转换 根据颜色对照表,将点、线、区文件的颜色进行转换。 3. 输出颜色表 将系统库中的颜色库输出为颜色表,即描述每种颜色号所对应的K、C、M、Y值。 4.添加属性结构 5.根据属性赋参数 根据图层分离文件,即将指定路径下的所有(点、线、区)文件(源文件)根据分离参数表进行分离。 6.根据图层分离文件 根据图层分离文件,即将指定路径下的所有(点、线、区)文件(源文件)根据分离参数表进行分离。 7.根据图层代码赋属性结构 8.属性连接 ……………………………………. 使用方法: 将本程序拷贝至MAPGIS66安装目录的Program文件夹内,直接运行即可。
上传时间: 2016-09-17
上传用户:diets
本人编写的incremental 随机神经元网络算法,该算法最大的特点是可以保证approximation特性,而且速度快效果不错,可以作为学术上的比较和分析。目前只适合benchmark的regression问题。 具体效果可参考 G.-B. Huang, L. Chen and C.-K. Siew, “Universal Approximation Using Incremental Constructive Feedforward Networks with Random Hidden Nodes”, IEEE Transactions on Neural Networks, vol. 17, no. 4, pp. 879-892, 2006.
标签: incremental 编写 神经元网络 算法
上传时间: 2016-09-18
上传用户:litianchu