搜索资源列表
countsort
- 计数排序是一个非基于比较的线性时间排序算法。它对输入的数据有附加的限制条件： 1、输入的线性表的元素属于有限偏序集S； 2、设输入的线性表的长度为n，|S|=k（表示集合S中元素的总数目为k），则k=O(n)。 在这两个条件下，计数排序的复杂性为O(n)。 计数排序算法的基本思想是对于给定的输入序列中的每一个元素x，确定该序列中值小于x的元素的个数。一旦有了这个信息，就可以将x直接存放到最终的输出序列的正确位置上。例如，如果输入序列中只有17个元素
gudianmima
- 古典密码中，主要的思想为移位算法及置换算法。 1.移位密码 密钥K为整数，且取值空间为0到25；加密函数：x = x + k (mod 26)；解密函数：x = x - k (mod 26)。当K=3时，为凯撒密码。 2.仿射密码 密钥对由a、b组成，整数a满足 gcd(a, 26) = 1，整数b的取值空间为0到25；加密函数：x = ax + b(mod 26)；解密函数：x = a*y - a*b (mod 26)。当a=1,b=3时，为凯撒密码。 3.维吉
小波分析--黄变换程序
- 首先，找出 上所有的极值点，然后用三次样条函数曲线循序连接所有的极大值点，得到信号 的上包络线 ，采用同样的方法连接所有的极小值点，得到 的下包络线 。循序连接上、下两条包络线的均值可得到一条均值线 ： （7－1） 再用 减去 得到 ： （7－2） 如果 满足IMF的两个条件，则 即为第一阶IMF，一般来说， 并不满足条件，此时，
学习 .zip.rar
- 某贸易中心共10层，设有载客电梯1部。为了处理问题的方便，有以下的限定条件： （1） 电梯的运行规则是：可到达每层。 （2） 每部电梯的最大乘员量均为K人（K值可以根据仿真情况在10~20人之间确定）。 （3） 仿真开始时，电梯随机地处于其符合运行规则的任意一层，为空梯。 （4） 仿真开始后，有N人(>20人)在该国际贸易中心的1层，开始乘梯活动。 （5） 每个人初次所要到达的楼层是随机的，开始在底层等待电梯到来。 （6） 每个人乘坐电梯到达指定楼层后，再随机地去往
KolmogorovEntropy_GP
- 一种简单有效的测度熵替代方法——近似熵(approximate entropy)方 法.应用以上方法对Logistic映射复杂度进行了分析.结果表明Lyapunov指数和测度熵的值与复 杂度基本呈线性关系,分维数与复杂度的函数关系尚难确定,且与Lyapunov指数、测度熵之间的关 系也不明确. - Approximate entropy (ApEn) method is also studied. They are applied to analyze the complex
routhtablepaper
- 利用Matlab编写程序实现以下功能：以多项式形式输入系统前向通路传递函数和反馈回路传递函数，计算系统开环增益，判定型别，根据控制系统劳斯稳定判据原理，列出得到的任意阶次系统的劳斯表，判定闭环系统稳定性，若不稳定给出具有正实部极点的数目。 （1）根据用户输入的稳定度a，计算稳定的开环增益K的范围； （2）确定系统的最大稳定度a,计算相应的开环增益K的值。 -The use of Matlab programming to achieve the following functions
BresenhamLine
- Bresenham画线算法程序： 用一个坐标轴来当步长值(即+1)，另一个坐标轴是否加1则跟据斜率(k)来确定，K 如果大于0.5，那么也加+1，如果小于0.5那么即不变。为了方便计算，如果d大于1 ，那么就减一，归0。可设e,e=d-0.5，于是就有e>0时，加1，e<0时不变，这样便 于硬件实现。-Bresenham
845
- 对电路板的图像进行分割，可以提取电路板中的目标物，以对电路板进行检测。文章使用K均值聚类算法完成对电路板图像的分割，针对传统的K均值聚类算法的不足，提出了使用直方图波形的有效波峰个数来确定K值的大小，并通过使用一种比传统的绝对误差的表示更简洁的表达式，达到了快速分割的目的。对一些电路板图像分割的实验结果表明，文章的方法能够根据目标物的数目有效的确定K值的大小，且比传统的K均值算法减少了运算量及计算时间。-On the circuit board image segmentation, to ex
Harris
- 研究一种红外医学图像处理与分析方法,实现红外人脸图像中特征区域的自动定位。方法 针对红外正面脸部图像,采用一种无监督的局部和全局的特征提取方法,首先通过阈值法区分出前景和 背景,并根据面部特征对称性在前景中确定鼻区 然后在面部确定一个包含所有特征的矩形区域,利用 Harris算子在该区域检测出角点,并找出这些点的局部最大值点 最后用K-means方法对这些点进行 聚类 -To develop an mi age analyzing procedure forautomatic
dayin
- 编写螺旋方阵。其中螺旋方阵形式如下： 1 12 11 10 2 13 16 9 3 14 15 8 4 5 6 7 设row,column分别代表行、列坐标，变量p从1到n2将p依次存入数组a[row][column]中，要确定row、colomn的变化情况。分析如下：引进变量k，初值为n。当数据存入到左下角或右上角时，k减1，这样可保证输出时方阵。引进变量t，初值为1，当数据存入到右下角时，令t改变符合，当存入到左上角时，t又改变符合，这样可保证赋值到正确的数组坐标
Density_Estimation
- 分别采用GMM和KDE对Iris数据集进行密度建模，并进行对比。通过EM算法来确定GMM参数，通过交叉验证来确定K值-GMM and KDE respectively Iris data set of density modeling, and compared. GMM by EM algorithm to determine the parameters of K determined by the value of cross-validation
1
- 对飞行中的飞机进行空中加油，可以大大提高飞机的直航能力，本文针对这一实际问题，建立了一种模拟飞机空中加油的基于飞机空中加油机理的基k模型，给出了辅机数目n与主机最大作战半径 （或 ）的关系式。对问题1和问题2，计算出n=1，2，3，4时的 分别为 L, L, L,L,并推出n 时， 以对数形式趋向无穷。对问题3，计算出n=1，2，3，4时 分别为 ,L, , ,并在问题2的基础上对 进行改进，改进的 相比 增长更快。对问题4给出了一般的选址原则，确定了 , 的位置，并求出此时的 。对问题5，求出
ECC
- 对椭圆曲线来说最流行的有限域是以素数为模的整数域（参见 模运算），或是特征为2的伽罗瓦域GF(2m)。后者在专门的硬件实现上计算更为有效，而前者通常在通用处理器上更为有效。专利的问题也是相关的。一些其他素数的伽罗瓦域的大小和能力也已经提出了，但被密码专家认为有一点问题。 给定一条椭圆曲线E以及一个域，我们考虑具有形式有理数点的阿贝尔群，其中x和y都在中并且定义在这条曲线上的群运算"+"（运算"+"在文章椭圆曲线中描述）。我们然后定义第二个运算"*" | Z×：如果P是上的某个点，那么
pujulei
- 简单能运行的谱聚类，调用k均值算法，需要自行确定K值-Simple spectral clustering can run, call the k-means algorithm, needs to determine the value of K
DFT-analysis-
- 利用DFT分析离散信号频谱的实验。利用FFT分析信号 x[k]=cos(3pik/8 +pi/4 ) 的频谱；确定DFT计算的参数，绘出其频谱；并进行理论值与计算值比较。-DFT analysis of discrete signal spectrum utilization experiments. Analysis using FFT signal x [k] = cos (3pik/8+ pi/4) of the spectrum determine the parameters of
Modified_KMeans
- 对原始的KMeans聚类算法进行改进，使得算法可以自动确定参数K值。-An improved KMeans clustering is proposed to determine the values of parameter K.
background-model3
- 针对背景差法易受外界环境因素影响的缺点, 提出了一种基于改进K-均值聚类的背景建模方法。通过比较任意样本与该像素位置处的子类中心之间的距离, 对各个像素的观察值进行聚类, 并在聚类过程中逐步确定其类别数。一段时间的学习之后, 样本数最多的子类就构成了背景模型。仿真结果表明, 该算法即使在运动目标存在的情况下也能准确的提取出实际的 背景, 而且显著地降低了系统的存储量。-Aimed at the disadvantage that background subtraction was liab
KMeans
- K-均值聚类算法，属于无监督机器学习算法，发现给定数据集的k个簇的算法。 首先，随机确定k个初始点作为质心，然后将数据集中的每个点分配到一个簇中，为每个点找距其最近的质心， 将其分配给该质心对应的簇，更新每一个簇的质心，直到质心不在变化。 K-均值聚类算法一个优点是k是用户自定义的参数，用户并不知道是否好，与此同时，K-均值算法收敛但是聚类效果差， 由于算法收敛到了局部最小值，而非全局最小值。 K-均值聚类算法的一个变形是二分K-均值聚类算法，该算法首先将所有点作为一个簇，然
IO_VMD
- 仿照EMD的分解层数确定方法，用以优化VMD的分解层数K(The method of determining the number of decomposition layers according to EMD is used to optimize the decomposition level of VMD K)
奇异值确定K
- 根据奇异值分解出来的奇异值，画出奇异值分布曲线，根据公式算出奇异值的突变点，此时突变点即是VMD分解分量数的K值(According to the singular value decomposed by singular value, the distribution curve of singular value is drawn, and the mutation point of singular value is calculated according to the formula.