基于java的完整的RSA算法实现 /** * <p>Titre : RSA </p> * <p>Description : Encodage de donn閑s selon le protocole RSA </p> * <p>Copyright : Copyright (c) 2004</p> * @author Fran鏾is Bradette * @version 1.1 * version originale de Robert Sedgewick and Kevin Wayne.Copyright ? 2004 * pris sur le site http://www.cs.princeton.edu/introcs/104crypto/RSA.java.html * Modifier par Fran鏾is Bradette */
标签： Description RSA Encodage gt
上传时间： 2014-01-10
上传用户：时代电子小智
意图 将一个类的接口转换成客户希望的另外一个接口。A d a p t e r 模式使得原本由于接口不兼容而不能一起工作的那些类可以一起工作。 适用性 · 你想使用一个已经存在的类，而它的接口不符合你的需求。 · 你想创建一个可以复用的类，该类可以与其他不相关的类或不可预见的类（即那些接口可能不一定兼容的类）协同工作。 · （仅适用于对象A d a p t e r ）你想使用一些已经存在的子类，但是不可能对每一个都进行子类化以匹配它们的接口。对象适配器可以适配它的父类接口。
上传时间： 2014-07-30
上传用户：270189020
计算ARMA(p，q)模型的功率谱密度。 形参说明： b——双精度实型一维数组，长度为(q+1),存放ARMA(p，q)模型的滑动平均系数。 a——双精度实型一维数组，长度为(p+1),存放ARMA(p,q)模型的自回归系数。 q——整型变量,ARMA(p,q)模型的滑动平均阶数。 p——整型变量,ARMA(p,q)模型的自回归阶数。 sigma2——双精度实型变量,ARMA(p,q)模型白噪声激励的方差。 fs——双精度实型变量,采样频率(Hz)。 x——双精度实型一维数组,长度为len。当sign＝0时，存放功率谱密度；当sign＝ 1时，存放用分贝表示的功率谱密度。 freq——双精度实型一维数组，长度为len。存放功率谱密度所对应的频率。 len——整型变量，功率谱密度的数据点数。 sign——整型变量,当sign＝0时，计算功率谱密度；当sign＝1时，计算用分贝表 示的功率谱密度。
上传时间： 2015-04-09
上传用户：qiao8960
抛物线法求解 方程的构造方法:给出[0,1]区间上的随机数(服从均匀分布)作为方程的根p*. 设你的班级数为a3,学号的后两位数分别为a2与a1,从而得到你的三次方程 例如:你的31班的12号,则你的方程是21x3+60x2+2x+a0=0的形式. 方程中的系数a0由你得到的根p*来确定.
上传时间： 2014-01-08
上传用户：lhc9102
改进的牛顿法求解： 方程的构造方法:给出[0,1]区间上的随机数(服从均匀分布)作为方程的根p*. 设你的班级数为a3,学号的后两位数分别为a2与a1,从而得到你的三次方程 例如:你的31班的12号,则你的方程是21x3+60x2+2x+a0=0的形式. 方程中的系数a0由你得到的根p*来确定.
上传时间： 2013-12-16
上传用户：xfbs821
抛物线法求解 方程的构造方法:给出[0,1]区间上的随机数(服从均匀分布)作为方程的根p*. 设你的班级数为a3,学号的后两位数分别为a2与a1,从而得到你的三次方程 例如:你的31班的12号,则你的方程是21x3+60x2+2x+a0=0的形式. 方程中的系数a0由你得到的根p*来确定.
上传时间： 2013-12-16
上传用户：zq70996813
支持多个进程并发运行的简单进程管理模拟系统。本系统的同步机构采用的信号量上的P，V操作的机制；控制机构包括阻塞和唤醒操作；时间片中断处理程序模拟的时间片中断；进程调度程序负责为各进程分配处理机。
上传时间： 2013-12-26
上传用户：huannan88
显示ARP缓存信息.A R P高效运行的关键是由于每个主机上都有一个A R P高速缓存。这个高速缓存存放了最 近I n t e r n e t地址到硬件地址之间的映射记录。高速缓存中每一项的生存时间一般为2 0分钟，起 始时间从被创建时开始算起。
上传时间： 2013-12-27
上传用户：siguazgb
键盘驱动程序： 键盘型号：P/S2 此程序已经测试过。
上传时间： 2015-05-03
上传用户：变形金刚
本程序用C语言实现了集成神经网络解决广义异或问题。用神经网络集成方法做成表决网,可克服初始权值的影响,对神经网络分类器来说:假设有N个独立的子网,采用绝对多数投票法,再假设每个子网以1-p的概率给出正确结果,且网络之间的错误不相关,则表决系统发生错误的概率为 Perr = ( ) pk(1-p)N-k 当p<1/2时 Perr 随N增大而单调递减. 在工程化设计中,先设计并训练数目较多的子网,然后从中选取少量最佳子网形成表决系统,可以达到任意高的泛化能力。
上传时间： 2015-05-03
上传用户：kiklkook
