搜索资源列表
nearpiont
- 最接近点对问题是求二维坐标中的点对问题,该算法是为了将平面上点集S线性分割为大小大致相等的2个子集S1和S2,我们选取一垂直线l:x=m来作为分割直线。其中m为S中各点x坐标的中位数。由此将S分割为S1={p∈S|px≤m}和S2={p∈S|px>m}。从而使S1和S2分别位于直线l的左侧和右侧,且S=S1∪S2 。由于m是S中各点x坐标值的中位数,因此S1和S2中的点数大致相等。 递归地在S1和S2上解最接近点对问题,我们分别得到S1和S2中的最小距离δ1和δ2。现设δ=min(δ
Projectjohu123006
- crc任意位生成多项式 任意位运算 自适应算法 循环冗余校验码(CRC,Cyclic Redundancy Code)是采用多项式的 编码方式,这种方法把要发送的数据看成是一个多项式的系数 ,数据为bn-1bn-2…b1b0 (其中为0或1),则其对应的多项式为: bn-1Xn-1+bn-2Xn-2+…+b1X+b0 例如:数据“10010101”可以写为多项式 X7+X4+X2+1。 循环冗余校验CRC 循环冗余校验方法的原理如下:
Substituter.java
- 代入法的启发示搜索 我的代码实现是:按照自然语言各字母出现频率的大小从高到低(已经有人作国统计分析了)先生成一张字母出现频率统计表(A)--------(e),(t,a,o,i,n,s,h,r),(d,l),(c,u,m,w,f,g,y,p,b),(v,k,j,x,q,z) ,再对密文字母计算频率,并按频率从高到低生成一张输入密文字母的统计表(B),通过两张表的对应关系,不断用A中的字母去替换B中的字母,搜索不成功时就回退,在这里回朔是一个关键。 -generation into a
BP
- 基于BP神经网络的 参数自学习控制 (1)确定BP网络的结构,即确定输入层节点数M和隐含层节点数Q,并给出各层加权系数的初值 和 ,选定学习速率 和惯性系数 ,此时k=1; (2)采样得到rin(k)和yout(k),计算该时刻误差error(k)=rin(k)-yout(k); (3)计算神经网络NN各层神经元的输入、输出,NN输出层的输出即为PID控制器的三个可调参数 , , ; (4)根据(3.34)计算PID控制器的输出u(k); (5)进行神经网络学习,在线调整加权
huffman
- 实现最优二叉树的构造;在此基础上完成哈夫曼编码器与译码器。 假设报文中只会出现如下表所示的字符: 字符 A B C D E F G H I J K L M N 频度 186 64 13 22 32 103 21 15 47 57 1 5 32 20 57 字符 O P Q R S T U V W X Y Z , . 频度 63 15 1 48 51 80 23 8 18 1 16 1 6 2 要求完成的系统应具备如下的功能: 1.初始化。从终端(
DBPSK
- 绍了数字通信中的Q PSK 调制解调的原理和过程, 通过用M atlab 对这一过程的编程, 分析信号在 理想信道和加噪信道中模拟传输时的时域图, 并用蒙特卡罗方法, 讨论模拟过程中的误码率, 所得结果与理论 结果基本一致. 关键词:Q PSK 系统仿真 蒙特卡罗分析 M atlab
一种线性规划的方法
- 本程序也是从网站上搜集的来,仅用于网友之间的交流于促进 Private Sub Command1_Click() Dim a() As Single, ji() As Single, b() As Single, x() As Single Dim M As Integer, N As Integer, d1 As Integer, d2 As Integer, q As Integer, e1 As Integer, e2 As Integer M = InputBox(&
ILC
- 迭代学习控制的matlab程序,m文件结合simulink实现。-Iterative Learning Control matlab program, m file with simulink realization.
LinkLayerModelMATLAB
- Link Layer Model in MATLAB consisting files: inputFile.m, LinkLayerModel.m, Q.m, topologyFile.m
ACTSP
- 实现了蚁群算法求解TSP问题。注释详细 function[R_best,L_best,L_ave,Shortest_Route,Shortest_Length]=ACATSP(C,NC_max,m,Alpha,Beta,Rho,Q) ------------------------------------------------------------------------- 主要符号说明 C n个城市的坐标,n×2的矩阵 NC_max最大迭代次数 m蚂蚁个数
Gram_S
- classical Gram-Schmidt(unstable) (reduced QR factorization).A:m-by-n matrix. (m>=n)Q:m-by-n unitary matrix.R:n-by-n upper triangular.-classical Gram-Schmidt(unstable) (reduced QR factorization).A:m-by-n matrix. (m>=n)Q:m-by-n unitary matrix.R:
q
- Joseph环 编号是1,2,……,n的n个人按照顺时针方向围坐一圈,每个人只有一个密码(正整数)。一开始任选一个正整数作为报数上限值m,从第一个仍开始顺时针方向自1开始顺序报数,报到m时停止报数。报m的人出列,将他的密码作为新的m值,从他在顺时针方向的下一个人开始重新从1报数,如此下去,直到所有人全部出列为止。设计一个程序来求出出列顺序-Joseph
m-files
- 5 m-files 1:SQ.m : converts from s-domain to q-domain 2:ZQ.m : converts from z-domain to q-domain 3:sym2s : converts from symbolic to s-domain tf2str : Converts from Transfer function to string sym2str : converts from symbolic to string -
q-learning
- q-learning的一个解释性例子.压缩文件有两个m文件构成,运行后可输出结果。-q-learning with matlab
logic
- 我们熟悉的逻辑函数化简方法是卡诺图法。卡诺图法具有简单、直观的优点,但当变量数目达到或超过5个以后,卡诺图将变得很复杂,甚至无法使用。而列表法对于解决多变量逻辑函数化简具有显著的优越性,并且这种方法有严格规则和步骤,便于计算机操作。列表法最早由Quine和Mcluskey提出,因此该法又称为Q-M法。许多数字电路课本上给出了便于手工计算的列表法,但并没有给出实际利用计算机语言实现的方法。-We are familiar with the logic function is the K-map S
chebyshev_lowpass_filter.m
- 4th order chebyshev fiter for a given Q and freq
gramSchmidt.m
- Gram Schmidt codes to have the orthogonal vectors or Q-conjugate vectors.
Element_Stiffness_Matrix_Q4.m
- The code can be used for calculating the element stiffness matrix of a q-4
show_wavelet_cadran.m
- show_wavelet_cadran - plot 2D wavelet transform stored using Mallat s ordering. [Wjq =] show_wavelet(W, Jmin, style, j, q) - show_wavelet_cadran - plot 2D wavelet transform stored using Mallat s ordering. [Wjq =] show_wavelet(W, Jm
reinforcement-learning-robot-in-maze-master
- Reinforcement learning, a Q learning algorithm, implementation on a robot that tryies to solve randomly created maze and reach the goal. Note that you can run .m files both on Matlab and Octave.