一﹑指標(biāo)要求：. A: f5 b G A( d8 n （１）設(shè)計(jì)一個(gè)4位十進(jìn)制的頻率計(jì)其測(cè)量范圍1Hz~9.999KHz；6 N3 G8 k( U- @ n* A （２）記數(shù)過程結(jié)束后，保存并顯示結(jié)果；
上傳時(shí)間： 2014-01-07
上傳用戶：妄想演繹師
#include<stdio.h> void main(void) {int n,k,derivata,a[10],i printf("n=") scanf(" d",&n) for(i=0 i<=n i++) { printf("a[ d]=",i) scanf(" d",&a[i]) } printf("k=") scanf(" d",&k) for(derivata=1 derivata<=k derivata++) { for(i=0 i<=n i++) a[i]=a[i]*(n-i) n-- for(i=0 i<=n i++) printf(" d ",a[i]) printf("\n") }}
標(biāo)簽： void derivata include printf
上傳時(shí)間： 2017-09-17
上傳用戶：duoshen1989
K-Means算法是最古老也是應(yīng)用最廣泛的聚類算法，它使用質(zhì)心定義原型，質(zhì)心是一組點(diǎn)的均值，通常該算法用于n維連續(xù)空間中的對(duì)象。 K-Means算法流程 step1：選擇K個(gè)點(diǎn)作為初始質(zhì)心 step2：repeat 將每個(gè)點(diǎn)指派到最近的質(zhì)心，形成K個(gè)簇 重新計(jì)算每個(gè)簇的質(zhì)心 until 質(zhì)心不在變化 例如下圖的樣本集，初始選擇是三個(gè)質(zhì)心比較集中，但是迭代3次之后，質(zhì)心趨于穩(wěn)定，并將樣本集分為3部分 我們對(duì)每一個(gè)步驟都進(jìn)行分析 step1：選擇K個(gè)點(diǎn)作為初始質(zhì)心 這一步首先要知道K的值，也就是說K是手動(dòng)設(shè)置的，而不是像EM算法那樣自動(dòng)聚類成n個(gè)簇 其次，如何選擇初始質(zhì)心 最簡(jiǎn)單的方式無異于，隨機(jī)選取質(zhì)心了，然后多次運(yùn)行，取效果最好的那個(gè)結(jié)果。這個(gè)方法，簡(jiǎn)單但不見得有效，有很大的可能是得到局部最優(yōu)。 另一種復(fù)雜的方式是，隨機(jī)選取一個(gè)質(zhì)心，然后計(jì)算離這個(gè)質(zhì)心最遠(yuǎn)的樣本點(diǎn)，對(duì)于每個(gè)后繼質(zhì)心都選取已經(jīng)選取過的質(zhì)心的最遠(yuǎn)點(diǎn)。使用這種方式，可以確保質(zhì)心是隨機(jī)的，并且是散開的。 step2：repeat 將每個(gè)點(diǎn)指派到最近的質(zhì)心，形成K個(gè)簇 重新計(jì)算每個(gè)簇的質(zhì)心 until 質(zhì)心不在變化 如何定義最近的概念，對(duì)于歐式空間中的點(diǎn)，可以使用歐式空間，對(duì)于文檔可以用余弦相似性等等。對(duì)于給定的數(shù)據(jù)，可能適應(yīng)與多種合適的鄰近性度量。
標(biāo)簽： K-means Java 數(shù)據(jù)挖掘 聚類 算法
上傳時(shí)間： 2018-11-27
上傳用戶：1159474180
protel的安裝使用教程文本文檔，有連接的下載地址，四個(gè)文件一起下\r\n
上傳時(shí)間： 2013-09-13
上傳用戶：ynwbosss
《計(jì)算機(jī)算法基礎(chǔ)》關(guān)于選擇問題算法：找第k小元素，時(shí)間復(fù)雜度為O（n）；
標(biāo)簽： 算法 計(jì)算機(jī) 元素
上傳時(shí)間： 2013-12-31
上傳用戶：天涯
詞法分析器：源程序的運(yùn)行方式： 運(yùn)行程序 輸入一個(gè)已存在的文本文檔的文件名。如：input.txt 如果要對(duì)整個(gè)程序進(jìn)行語法分析，則按‘y’鍵，否則按‘n’鍵 如果要對(duì)程序進(jìn)行語法分析，則按‘y’鍵，否則按‘n’鍵 程序結(jié)束
上傳時(shí)間： 2014-01-22
上傳用戶：zhaiyanzhong
實(shí)現(xiàn)聚類K均值算法： K均值算法：給定類的個(gè)數(shù)K，將n個(gè)對(duì)象分到K個(gè)類中去，使得類內(nèi)對(duì)象之間的相似性最大，而類之間的相似性最小。 缺點(diǎn)：產(chǎn)生類的大小相差不會(huì)很大，對(duì)于臟數(shù)據(jù)很敏感。 改進(jìn)的算法：k—medoids 方法。這兒選取一個(gè)對(duì)象叫做mediod來代替上面的中心 的作用，這樣的一個(gè)medoid就標(biāo)識(shí)了這個(gè)類。步驟： 1，任意選取K個(gè)對(duì)象作為medoids（O1,O2,…Oi…Ok）。 以下是循環(huán)的： 2，將余下的對(duì)象分到各個(gè)類中去（根據(jù)與medoid最相近的原則）； 3，對(duì)于每個(gè)類（Oi）中，順序選取一個(gè)Or，計(jì)算用Or代替Oi后的消耗—E（Or）。選擇E最小的那個(gè)Or來代替Oi。這樣K個(gè)medoids就改變了，下面就再轉(zhuǎn)到2。 4，這樣循環(huán)直到K個(gè)medoids固定下來。 這種算法對(duì)于臟數(shù)據(jù)和異常數(shù)據(jù)不敏感，但計(jì)算量顯然要比K均值要大，一般只適合小數(shù)據(jù)量。
上傳時(shí)間： 2015-04-03
上傳用戶：sardinescn
此小程序?yàn)镹欄柵解密算法的一種，對(duì)某一N值加密過的密文進(jìn)行解密，此時(shí)只要確定N值即可解密。作者：萬艷良 單位：武漢理工大學(xué)
上傳時(shí)間： 2015-04-03
上傳用戶：coeus
本程序用C語言實(shí)現(xiàn)了集成神經(jīng)網(wǎng)絡(luò)解決廣義異或問題。用神經(jīng)網(wǎng)絡(luò)集成方法做成表決網(wǎng),可克服初始權(quán)值的影響,對(duì)神經(jīng)網(wǎng)絡(luò)分類器來說:假設(shè)有N個(gè)獨(dú)立的子網(wǎng),采用絕對(duì)多數(shù)投票法,再假設(shè)每個(gè)子網(wǎng)以1-p的概率給出正確結(jié)果,且網(wǎng)絡(luò)之間的錯(cuò)誤不相關(guān),則表決系統(tǒng)發(fā)生錯(cuò)誤的概率為 Perr = ( ) pk(1-p)N-k 當(dāng)p<1/2時(shí) Perr 隨N增大而單調(diào)遞減. 在工程化設(shè)計(jì)中,先設(shè)計(jì)并訓(xùn)練數(shù)目較多的子網(wǎng),然后從中選取少量最佳子網(wǎng)形成表決系統(tǒng),可以達(dá)到任意高的泛化能力。
標(biāo)簽： 神經(jīng)網(wǎng)絡(luò) 子網(wǎng) 程序 C語言
上傳時(shí)間： 2015-05-03
上傳用戶：kiklkook
匯編程序和實(shí)驗(yàn)報(bào)告 1.輸入0-100之間的n值，計(jì)算Fibonacci數(shù)，以十進(jìn)制數(shù)輸出。 2.從鍵盤輸入一行字符，以‘$’結(jié)束，查找輸入的字符串是否包含’computer’ 字符串，如果包含，計(jì)算包含’computer’字符串的個(gè)數(shù)，并以十進(jìn)制輸出個(gè)數(shù)。 3.建立歌曲文檔，按演唱者排序，程序可接收查找的演唱者，并輸出其所有的歌曲。 4.建立圖書資料文檔，要求具有插入，更新，刪除，查詢等功能，使用菜單提示。
標(biāo)簽： 100 匯編程序 實(shí)驗(yàn)報(bào)告 輸入
上傳時(shí)間： 2014-06-08
上傳用戶：問題問題
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
