我做的畢業(yè)設(shè)計(jì),用AT89S51 控制LCD1602作為顯示. DS1302時(shí)鐘芯片顯示時(shí)間,DS18B20測(cè)量溫度,還有4X4的鍵盤(pán)驅(qū)動(dòng).實(shí)現(xiàn)了一個(gè)計(jì)算功能.可以用PROTUES 仿真軟件仿真,當(dāng)時(shí)我還做出實(shí)物來(lái)了.
標(biāo)簽： PROTUES 1602 1302 DS
上傳時(shí)間： 2013-11-29
上傳用戶：拔絲土豆
/** * @author jakcy_wu(wujichun) * * 預(yù)測(cè)分析--本算法只適用于受周期變化或者波動(dòng)影響的數(shù)據(jù) * 權(quán)值移動(dòng)平均算法 * 本期預(yù)測(cè)值=（前期值*權(quán)數(shù)）求和/n * * 默認(rèn)權(quán)值為{1,1,1},取最近3次的平均 * 注意權(quán)值和必須=權(quán)值集合.length */
標(biāo)簽： jakcy_wu wujichun author 算法
上傳時(shí)間： 2014-01-26
上傳用戶：weiwolkt
簡(jiǎn)單的串列埠自我測(cè)試持式 測(cè)試硬體電路是否正確
標(biāo)簽： 正
上傳時(shí)間： 2015-04-25
上傳用戶：FreeSky
利用熵（entropy）及多變量GM(h.N)模型的觀念，探討灰色理論於權(quán)重之分析
上傳時(shí)間： 2015-10-27
上傳用戶：thinode
卷積運(yùn)算：取x(t)和h(t)的長(zhǎng)度為nx,nh。平移量n=nh+nx-1，利用for和if語(yǔ)句實(shí)現(xiàn)倒序求和運(yùn)算。外循環(huán)用一個(gè)for語(yǔ)句實(shí)現(xiàn)平移，通過(guò)在求和時(shí)取數(shù)組元素的順序?qū)崿F(xiàn)倒序求和
上傳時(shí)間： 2013-12-20
上傳用戶：saharawalker
ABBYY FineReader 8.0專業(yè)版是最新、最準(zhǔn)確的ABBYY OCR軟體版本。它可以為用戶提供 最高級(jí)別識(shí)字精確率，是一個(gè)非常節(jié)省時(shí)間的好方案。FineReader允許你將各種紙張和 電子文件轉(zhuǎn)換、編輯以及重新使用，包括：雜誌、報(bào)紙、傳真、複製和PDF文件。
標(biāo)簽： ABBYY FineReader 8.0 OCR
上傳時(shí)間： 2016-02-11
上傳用戶：q123321
利用矩量法計(jì)算細(xì)直導(dǎo)線電容隨著分段數(shù)N、半徑a,長(zhǎng)度L的變化曲線以及直導(dǎo)線電荷密度分布
上傳時(shí)間： 2016-05-05
上傳用戶：sardinescn
K-MEANS算法: k-means 算法接受輸入量 k ；然后將n個(gè)數(shù)據(jù)對(duì)象劃分為 k個(gè)聚類以便使得所獲得的聚類滿足：同一聚類中的對(duì)象相似度較高；而不同聚類中的對(duì)象相似度較小。聚類相似度是利用各聚類中對(duì)象的均值所獲得一個(gè)“中心對(duì)象”（引力中心）來(lái)進(jìn)行計(jì)算的。 k-means 算法的工作過(guò)程說(shuō)明如下：首先從n個(gè)數(shù)據(jù)對(duì)象任意選擇 k 個(gè)對(duì)象作為初始聚類中心；而對(duì)于所剩下其它對(duì)象，則根據(jù)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(jì)算每個(gè)所獲新聚類的聚類中心（該聚類中所有對(duì)象的均值）；不斷重復(fù)這一過(guò)程直到標(biāo)準(zhǔn)測(cè)度函數(shù)開(kāi)始收斂為止。一般都采用均方差作為標(biāo)準(zhǔn)測(cè)度函數(shù). k個(gè)聚類具有以下特點(diǎn)：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開(kāi)
標(biāo)簽： 聚類 K-MEANS k-means 對(duì)象
上傳時(shí)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(gè)數(shù)據(jù)對(duì)象劃分為 k個(gè)聚類以便使得所獲得的聚類滿足：同一聚類中的對(duì)象相似度較高；而不同聚類中的對(duì)象相似度較小。聚類相似度是利用各聚類中對(duì)象的均值所獲得一個(gè)“中心對(duì)象”（引力中心）來(lái)進(jìn)行計(jì)算的。 k-means 算法的工作過(guò)程說(shuō)明如下：首先從n個(gè)數(shù)據(jù)對(duì)象任意選擇 k 個(gè)對(duì)象作為初始聚類中心；而對(duì)于所剩下其它對(duì)象，則根據(jù)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(jì)算每個(gè)所獲新聚類的聚類中心（該聚類中所有對(duì)象的均值）；不斷重復(fù)這一過(guò)程直到標(biāo)準(zhǔn)測(cè)度函數(shù)開(kāi)始收斂為止。一般都采用均方差作為標(biāo)準(zhǔn)測(cè)度函數(shù). k個(gè)聚類具有以下特點(diǎn)：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開(kāi)
標(biāo)簽： 聚類 K-MEANS k-means 對(duì)象
上傳時(shí)間： 2013-12-19
上傳用戶：chenlong
k-means 算法接受輸入量 k ；然后將n個(gè)數(shù)據(jù)對(duì)象劃分為 k個(gè)聚類以便使得所獲得的聚類滿足：同一聚類中的對(duì)象相似度較高；而不同聚類中的對(duì)象相似度較小。聚類相似度是利用各聚類中對(duì)象的均值所獲得一個(gè)“中心對(duì)象”（引力中心）來(lái)進(jìn)行計(jì)算的。 Matlab 源代碼，以蘭花數(shù)據(jù)集作為測(cè)試對(duì)象。
標(biāo)簽： 聚類 k-means 對(duì)象 算法
上傳時(shí)間： 2014-01-21
上傳用戶：2525775
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
