“網(wǎng)絡(luò)基本輸入／輸出系統(tǒng)”（Network Basic Input/Output System, NetBIOS）是一種標(biāo)準(zhǔn)的應(yīng)用程序編程接口（ A P I），1 9 8 3年由S y t e k公司專為I B M開發(fā)成功)
標(biāo)簽： Network NetBIOS Output System
上傳時間： 2015-12-09
上傳用戶：wanghui2438
最佳調(diào)度問題，假設(shè)有n個任務(wù)由k個可并行工作的機器完成。完成任務(wù)i需要的時間為ti。試設(shè)計一個算法找出完成這n個任務(wù)的最佳調(diào)度，使得完成全部任務(wù)的時間最早。
標(biāo)簽： 調(diào)度
上傳時間： 2014-01-06
上傳用戶：1101055045
需要工具： 1. Python 2.3 以上 2. BOA Constructor Python設(shè)定檔介面程式設(shè)計 這段程式碼主要是把資料儲存到config.txt這個檔案中，我們將資料以 \n[_config_]\n 來作區(qū)隔，以便將來將資料讀出來時可以知道所存放的資料到底是屬於哪一各部分的資料。
標(biāo)簽： Python Constructor config 2.3
上傳時間： 2014-01-17
上傳用戶：zhenyushaw
背包問題是關(guān)於最佳化的問題，要解最佳化問題可以使用「動態(tài)規(guī)劃」（Dynamic programming），從空集合開始，每增加一個元素就先求出該階段的最佳解，直到所有的元素加入至集合中，最後得到的就是最佳解。 以背包問題為例，我們使用兩個陣列value與item，value表示目前的最佳解所得之總價，item表示最後一個放至背包的水果，假設(shè)有負(fù)重量 1～8的背包8個，並對每個背包求其最佳解
標(biāo)簽：
上傳時間： 2014-01-22
上傳用戶：aix008
問題描述 給定n個矩陣A1，A2，…，An，其中，Ai與Aj+1是可乘的，i=1，2，…，n-1。 你的任務(wù)是要確定矩陣連乘的運算次序，使計算這n個矩陣的連乘積A1A2…An時總的元素乘法次數(shù)達(dá)到最少。 例如：3個矩陣A1，A2，A3，階分別為10×100、100×5、5×50，計算連乘積A1A2A3時按（A1A2）A3所需的元素乘法次數(shù)達(dá)到最少，為7500次。
標(biāo)簽： 矩陣
上傳時間： 2013-12-20
上傳用戶：banyou
設(shè)T[0:n-1]是n個元素的一個數(shù)組。對任一元素x，設(shè)S(x)={i|T[i]=x}。當(dāng)|S(x)|>n/2時，稱x為T的主元素。設(shè)計一個線性時間算法，確定T[0:n]是否有一個主元素。
上傳時間： 2014-01-08
上傳用戶：daoxiang126
設(shè)T[0:n-1]是n個元素的一個數(shù)組。對任一元素x，設(shè)S(x)={i|T[i]=x}。當(dāng)|S(x)|>n/2時，稱x為T的主元素。設(shè)計一個線性時間算法，確定T[0:n]是否有一個主元素。
上傳時間： 2013-12-13
上傳用戶：2525775
給定一個n位正整數(shù)a，去掉其中任意k<=n個數(shù)字后，剩下的數(shù)字按原次序排列成一個新的正整數(shù)。對于給定的n位正整數(shù)a和正整數(shù)k，設(shè)計一個算法找出剩下數(shù)字組成的新數(shù)最小的刪數(shù)方案。
上傳時間： 2013-12-12
上傳用戶：685
陣列信號處理波束形成卡朋算法仿真：該程序陣列數(shù)為N，采樣點數(shù)為K，入射信號為30度角，干擾信號為60度角。 功能：提取有用信號抑制干擾信號
上傳時間： 2014-12-01
上傳用戶：jackgao
How the K-mean Cluster work Step 1. Begin with a decision the value of k = number of clusters Step 2. Put any initial partition that classifies the data into k clusters. You may assign the training samples randomly, or systematically as the following: Take the first k training sample as single-element clusters Assign each of the remaining (N-k) training sample to the cluster with the nearest centroid. After each assignment, recomputed the centroid of the gaining cluster. Step 3 . Take each sample in sequence and compute its distance from the centroid of each of the clusters. If a sample is not currently in the cluster with the closest centroid, switch this sample to that cluster and update the centroid of the cluster gaining the new sample and the cluster losing the sample. Step 4 . Repeat step 3 until convergence is achieved, that is until a pass through the training sample causes no new assignments.
標(biāo)簽： the decision clusters Cluster
上傳時間： 2013-12-21
上傳用戶：gxmm
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
