Message Digest Algorithm-取得MD5雜湊值長度
標簽： Algorithm Message Digest MD5
上傳時間： 2014-01-18
上傳用戶：zuozuo1215
頻率合成技術是現代通信的重要組成部分,它是將一個高穩定度和高準確度的基準頻率經過四則運算,產生同樣穩定度和準確度的任意頻率。隨著大規模集成電路的發展,利用鎖相環頻率合成技術研制出了很多頻率合成集成電路。其中,以摩托羅拉公司的MC14515x－2系列較為先進,本文將介紹一種基于MC145152－2芯片的頻率合成器。這種鎖相環頻率合成器的穩定度和準確度與基準頻率相當,不產生額外的
上傳時間： 2017-04-27
上傳用戶：mhp0114
頻率合成技術是現代通信的重要組成部分,它是將一個高穩定度和高準確度的基準頻率經過四則運算,產生同樣穩定度和準確度的任意頻率。隨著大規模集成電路的發展,利用鎖相環頻率合成技術研制出了很多頻率合成集成電路。其中,以摩托羅拉公司的MC14515x－2系列較為先進,本文將介紹一種基于MC145152－2芯片的頻率合成器。這種鎖相環頻率合成器的穩定度和準確度與基準頻率相當,不產生額外的誤差。
上傳時間： 2014-01-12
上傳用戶：xiaoxiang
該matlab函數計算自由空間里有限厚度、無限大的各向同性媒質塊（允許頻率色散）在任意極化、任意入射角度的來波下的反射和透射系數，用戶可以指定計算的頻段。
上傳時間： 2017-05-18
上傳用戶：gmh1314
Sphit算法針對１２８*１２８的灰度圖象進行壓縮處理，經典算法，可以任意改進
上傳時間： 2016-01-09
上傳用戶：cc1015285075
迷宮問題 任務：可以輸入一個任意大小的迷宮數據，用非遞歸的方法求出一條走出迷宮的路徑，并將路徑輸出； 要求： 在上交資料中請寫明：存儲結構、基本算法（可以使用程序流程圖）、源程序、測試數據和結果、算法的時間復雜度、另外可以提出算法的改進方法； [問題描述] 走迷宮是實驗心理學中一個古典問題。用計算機解迷宮路徑的程序，就是仿照人走迷宮而設計的，也是對盲人走路的一個機械模仿。 [實現提示] 假設迷宮是一個矩形，我們把它分成許多小方格，在每個小方格上或者已筑成墻或者沒有，這就成為一個迷宮。走迷宮就是從一個小方格沿前后左右四個方向到鄰近的方格，當然不能穿墻。設迷宮的入口是在西北角那個方格，而出口是東南角那個方格。在計算機中，迷宮可用一個矩陣表示。若某小方格是墻，則相應數組變量標為 0，否則為字符1,表示可走的路。現在要編寫一個程序，尋找一條從入口到出口的路線。我們可提出如下一般性問題尋找：一條從任何給定的方格到出口的路線。基本思想是： 在當前位置上向四個（或八個）方位探測前進方位，向探測到的通路方位前進一步，如此循環，直到迷宮的“出口”，或判斷后宣布這是一個不存在通路的死迷宮。
上傳時間： 2013-12-31
上傳用戶：wfl_yy
通過這個控件可以對比任意兩個聲音句子的紋理，并獲得兩個聲紋的近似度的百分值。讓軟件設計者根據識別的結果控制各種設備或操縱軟件執行相應的功能。 用戶可以將不同的特征文件與數據庫一一對應保存,然后通過對比函數從數據庫取出不同的特征文件與當前的錄音結果對比,從而知道當前的聲紋與數據庫內的哪一個聲紋最吻合。 我們還為掌上電腦，或學習機提供VC++源代碼或DLL評分插件。通過它，可以獲得學生跟讀老師句子的吻合程度。(由于采用了自創的算法，在同類產品中的響應速度是最快的。)
上傳時間： 2014-08-23
上傳用戶：無聊來刷下
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
無標度網絡的生成模型，這是一個通用的源程序，可以實現任意節點數的無標度網絡
上傳時間： 2013-12-24
上傳用戶：ztj182002
