it s very value.it can help you to learn matlab and vavelet .
标签： vavelet matlab value learn
上传时间： 2015-12-26
上传用户：tedo811
2407asm文件夹包括第8~13章的汇编语言代码及使用说明。有如下子文件夹： 第8章数字输入输出模块(led)； 第8章数字输入输出模块(LED+KEY)； 第9章事件管理器模块(PWM)； 第9章事件管理器模块_捕捉(cap)； 第9章事件管理器模块_定时器中断(Timer_INT)； 第10章模数转换模块(ADC)； 第11章串行外设接口模块(SPI)； 第12章串行通信接口模块(SCI)； 第13章局部控制器模块(CAN)。
上传时间： 2013-12-16
上传用户：洛木卓
％ 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
实现《密码学导引》一书中DES算法差分攻击。输出J1-J8及密钥Key。默认是3轮DES，可任意设定轮数，修改Round的值即可。
上传时间： 2016-01-07
上传用户：Zxcvbnm
The equation is written as a system of two first order ODEs. These are evaluated for different values of the parameter Mu. For faster integration, we choose an appropriate solver based on the value of the parameter Mu.
标签： different evaluated equation written
上传时间： 2013-12-25
上传用户：qazxsw
abov公司的单片机器MC80F7208的演示程序,C代码,包含LCD,I2C,KEY,ADC,NVM,TIME等内容,适合初学者熟悉.
上传时间： 2013-12-14
上传用户：it男一枚
采用eigen value来模拟各种衰落信道的源码程序，可以仿真瑞利衰落和AWGN叠加等等的情况。有详细注释。
上传时间： 2016-01-24
上传用户：520
3、LCD12864不能显示或不能清楚显示： 1）重新按住复位键和KEY A 2）或者：调整可调电阻。调到合适的亮度。 3）或者：冷启动。 4）或者：检查是否有其他按键按下，如红外接收头旁边的INT0按键是否压下。如压下，请弹起。 5）或者：温度传感器芯片是否拔出。如没有拔出，请拔出。重新复位并按住KEY A。
上传时间： 2016-01-30
上传用户：410805624
MP3 KEY CODE IS NEW CODE
上传时间： 2014-11-23
上传用户：lhc9102
How the K-mean Cluster work Step 1. Begin with a decision the value of k = number of clusters Step 2. Put any initial partition that classifies the data into k clusters. You may assign the training samples randomly, or systematically as the following: Take the first k training sample as single-element clusters Assign each of the remaining (N-k) training sample to the cluster with the nearest centroid. After each assignment, recomputed the centroid of the gaining cluster. Step 3 . Take each sample in sequence and compute its distance from the centroid of each of the clusters. If a sample is not currently in the cluster with the closest centroid, switch this sample to that cluster and update the centroid of the cluster gaining the new sample and the cluster losing the sample. Step 4 . Repeat step 3 until convergence is achieved, that is until a pass through the training sample causes no new assignments.
标签： the decision clusters Cluster
上传时间： 2013-12-21
上传用户：gxmm
