C-N解偏微分方程的程序。解的是定步長的拋物型偏微分方程： du/dx - a * d2u/dx2 = 0 在程序中可以更改 a 的值以實現不同系數的解。在循環中改變 a 的值以實現變系數. 該說明在壓縮包是也有
上傳時間： 2014-01-26
上傳用戶：love_stanford
Ex3-23 親兄弟問題 « 問題描述： 給定n 個整數0 1 1 , , , n- a a a 組成的序列。序列中元素i a 的親兄弟元素k a 定義為： min{ | } k i j n j j i a = a a ³ a < < 。 親兄弟問題要求給定序列中每個元素的親兄弟元素的位置。元素i a 的親兄弟元素為k a 時，稱k 為元素i a 的親兄弟元素的位置。當元素i a 沒有親兄弟元素時，約定其親兄弟元素 的位置為-1。 例如，當n=10，整數序列為6，1，4，3，6，2，4，7，3，5 時，相應的親兄弟元素位 置序列為：4，2，4，4，7，6，7，-1，9，-1。 « 編程任務： 對于給定的n個整數0 1 1 , , , n- a a a 組成的序列，試用抽象數據類型棧，設計一個O(n) 時間算法，計算相應的親兄弟元素位置序列。 « 數據輸入： 由文件input.txt提供輸入數據。文件的第1 行有1 個正整數n，表示給定給n個整數。 第2 行是0 1 1 , , , n- a a a 。 « 結果輸出: 程序運行結束時，將計算出的與給定序列相應的親兄弟元素位置序列輸出到output.txt 中。 輸入文件示例 輸出文件示例 input.txt 10 4 2 4 4 7 6 7 -1 9 -1 output.txt 6 1 4 3 6 2 4 7 3 5
上傳時間： 2013-12-17
上傳用戶：shizhanincc
Java: 在n 張撲克牌中找出順子 題目是這樣的：有n張撲克牌，每張牌的取值范圍是：2，3，4，5，6，7，8，9，10，J，Q，K，A。在這n張牌中找出順子（5張及5張以上的連續的牌），并將這些順子打印出來。 思路：我的思路其實很簡單，首先就是要去掉重復的牌，因為同樣的順子之算一個，顯然JAVA中的Set很適合這個工作。同時又需要對這些牌進行排序，毫無疑問就是TreeSet了。然后從小到大遍歷這些牌，并設置一個計數器count。若發現連續的牌，則count++；若發現不連續的，分2中情況：若count>4，則找到了一個順子，存起來；反之則什么都不做。然后count=1，從新開始找順子。下面就是代碼：
標簽： Java
上傳時間： 2013-12-22
上傳用戶：hewenzhi
使用動態規劃解決數乘問題 給定一個m位數字和乘號數量n,n<m,求怎樣將乘號插入數中，使得積最大
上傳時間： 2014-01-13
上傳用戶：youmo81
本程序輸入一個矩陣可以計算出其逆矩陣 具體要多大的矩陣 請自行在程序中修改程序頭的 #define N
上傳時間： 2014-11-03
上傳用戶：bjgaofei
在一個操場的四周擺放著n 堆石子。現要將石子有次序地合并成一堆。規定在合并過程 中最多可以有m(k)次選k 堆石子合并成新的一堆，2≤k≤n，合并的費用為新的一堆的石子 數。試設計一個算法，計算出將n 堆石子合并成一堆的最小總費用。
上傳時間： 2013-12-13
上傳用戶：cc1015285075
數值分析課程中Householder變換法對n階矩陣A作正交分解A=QR
標簽： Householder QR 數值分析 變換
上傳時間： 2014-01-16
上傳用戶：wendy15
這是51的各種濾波程序。 限幅濾波程序中位值濾波程序N點算術平均濾波 N點加權平均濾波 一階加權滯后濾波程序
上傳時間： 2014-01-21
上傳用戶：jkhjkh1982
K-MEANS算法: k-means 算法接受輸入量 k ；然后將n個數據對象劃分為 k個聚類以便使得所獲得的聚類滿足：同一聚類中的對象相似度較高；而不同聚類中的對象相似度較小。聚類相似度是利用各聚類中對象的均值所獲得一個“中心對象”（引力中心）來進行計算的。 k-means 算法的工作過程說明如下：首先從n個數據對象任意選擇 k 個對象作為初始聚類中心；而對于所剩下其它對象，則根據它們與這些聚類中心的相似度（距離），分別將它們分配給與其最相似的（聚類中心所代表的）聚類；然后再計算每個所獲新聚類的聚類中心（該聚類中所有對象的均值）；不斷重復這一過程直到標準測度函數開始收斂為止。一般都采用均方差作為標準測度函數. k個聚類具有以下特點：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開
上傳時間： 2016-07-31
上傳用戶：youlongjian0
K-MEANS算法: k-means 算法接受輸入量 k ；然后將n個數據對象劃分為 k個聚類以便使得所獲得的聚類滿足：同一聚類中的對象相似度較高；而不同聚類中的對象相似度較小。聚類相似度是利用各聚類中對象的均值所獲得一個“中心對象”（引力中心）來進行計算的。 k-means 算法的工作過程說明如下：首先從n個數據對象任意選擇 k 個對象作為初始聚類中心；而對于所剩下其它對象，則根據它們與這些聚類中心的相似度（距離），分別將它們分配給與其最相似的（聚類中心所代表的）聚類；然后再計算每個所獲新聚類的聚類中心（該聚類中所有對象的均值）；不斷重復這一過程直到標準測度函數開始收斂為止。一般都采用均方差作為標準測度函數. k個聚類具有以下特點：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開
上傳時間： 2013-12-19
上傳用戶：chenlong
