基于遺傳算法的組合邏輯電路的自動(dòng)設(shè)計(jì)，依據(jù)給出的真值表，利用遺傳算法自動(dòng)生成符合要求的組合邏輯電路。由于遺傳算法本身固有的并行性，采用軟件實(shí)現(xiàn)的方法在速度上往往受到本質(zhì)是串行計(jì)算的計(jì)算機(jī)制約，因此采用硬件化設(shè)計(jì)具有重要的意義。為了證明基于FPGA的遺傳算法的高效性，設(shè)計(jì)了遺傳算法的各個(gè)模塊，實(shí)現(xiàn)了基于FPGA的遺傳算法。
標(biāo)簽： FPGA 算法 電路設(shè)計(jì) 組合邏輯
上傳時(shí)間： 2014-01-08
上傳用戶：909000580
在介紹CRC校驗(yàn)原理和傳統(tǒng)CRC32串行比特算法的基礎(chǔ)上，由串行比特型算法推導(dǎo)出一種CRC32并行算法。并結(jié)合SATAⅡ協(xié)議的要求，完成了SATAⅡ主控制器設(shè)計(jì)中CRC生成與校驗(yàn)?zāi)K的設(shè)計(jì)。最后通過在ISE平臺(tái)上編寫Verilog硬件描述語言，對(duì)SATA協(xié)議中幀結(jié)構(gòu)數(shù)據(jù)進(jìn)行仿真，驗(yàn)證該CRC32并行算法能夠滿足SATA接口實(shí)時(shí)處理的要求。
上傳時(shí)間： 2013-11-16
上傳用戶：非洲之星
基于合成孔徑雷達(dá)（SAR）圖像的海面風(fēng)場(chǎng)估計(jì)已經(jīng)得到廣泛認(rèn)可。多數(shù)風(fēng)速反演算法是以估計(jì)的風(fēng)向、校正的δvv為先驗(yàn)條件，應(yīng)用海風(fēng)模型計(jì)算而得的。在相同風(fēng)向的情況下，應(yīng)用不同的海風(fēng)模型會(huì)得到不同的風(fēng)速反演值，因此選擇合適的模型是風(fēng)場(chǎng)估計(jì)的關(guān)鍵。同時(shí)，風(fēng)向數(shù)據(jù)的精確度也很重要，即使不大的誤差也會(huì)給風(fēng)速的反演結(jié)果帶來明顯偏差。為解決上述問題這里提出一種不需要預(yù)先已知風(fēng)向數(shù)據(jù)的風(fēng)場(chǎng)估計(jì)算法。該算法將基于海洋SAR圖像中風(fēng)浪的條紋信息，以及風(fēng)浪條紋生成的自相關(guān)函數(shù)的周期性估計(jì)風(fēng)速數(shù)據(jù)，同時(shí)由風(fēng)浪條紋的最短周期方向估計(jì)風(fēng)向數(shù)據(jù)，從而估計(jì)出完整的風(fēng)場(chǎng)矢量。仿真結(jié)果顯示，該算法對(duì)風(fēng)速和風(fēng)向數(shù)據(jù)有較高的估計(jì)精度。
標(biāo)簽： 海洋 風(fēng)場(chǎng)矢量估計(jì) 算法
上傳時(shí)間： 2013-10-17
上傳用戶：520
使用第二代身份證照片作為訓(xùn)練樣本進(jìn)行人臉識(shí)別屬于典型的單樣本問題，由于沒有充分?jǐn)?shù)量的訓(xùn)練樣本，會(huì)造成常規(guī)的人臉識(shí)別算法識(shí)別率低下，甚至無效的問題。為此采用虛擬樣本生成方法，并針對(duì)遇到姿態(tài)變化較復(fù)雜的人臉時(shí)，識(shí)別率不高的問題，提出了一種新的多姿態(tài)的虛擬樣本生成方法，通過模擬人臉側(cè)向旋轉(zhuǎn)、俯仰和立體旋轉(zhuǎn)等增加有效的訓(xùn)練樣本，再使用魯棒性較好的HMM進(jìn)行人臉識(shí)別。在自建的身份證人臉庫上進(jìn)行測(cè)試，實(shí)驗(yàn)結(jié)果顯示，該方法在一定程度上減弱了人臉姿態(tài)的變化對(duì)識(shí)別率的影響，并取得了較好的識(shí)別效果。
標(biāo)簽： 人臉識(shí)別 多姿態(tài) 虛擬樣本
上傳時(shí)間： 2013-10-17
上傳用戶：hanwu
使用lm算法對(duì)二維圓數(shù)據(jù)進(jìn)行擬和，其中test_circle用于生成測(cè)試數(shù)據(jù) fit2dcircle用于擬和 document.doc對(duì)算法原理進(jìn)行詳細(xì)說明 程序使用bcc5.60編譯通過
標(biāo)簽： 算法 二維 數(shù)據(jù)
上傳時(shí)間： 2015-01-08
上傳用戶：253189838
本書是國內(nèi)外業(yè)界廣泛關(guān)注的7卷本《計(jì)算機(jī)程序設(shè)計(jì)藝術(shù)》第2卷的最新版。本卷對(duì)半數(shù)值算法領(lǐng)域做了全面介紹，分“隨機(jī)數(shù)”和“算術(shù)”兩章。本卷總結(jié)了主要算法范例及這些算法的基本理論，廣泛剖析了計(jì)算機(jī)程序設(shè)計(jì)與數(shù)值分析間的相互聯(lián)系，其中特別值得注意的是作者對(duì)隨機(jī)數(shù)生成程序的重新處理和對(duì)形式冪級(jí)數(shù)計(jì)算的討論。 本書附有大量習(xí)題和答案，標(biāo)明了難易程度及數(shù)學(xué)概念的使用。 本書內(nèi)容精辟，語言流暢，引人入勝，可供從事計(jì)算機(jī)科學(xué)、計(jì)算數(shù)學(xué)、計(jì)算技術(shù)諸方面的工作人員參考、研究和借鑒，也是相關(guān)專業(yè)高等院校的理想教材和教學(xué)參考書。
標(biāo)簽： 計(jì)算機(jī) 程序設(shè)計(jì) 數(shù)值算法
上傳時(shí)間： 2015-02-25
上傳用戶：exxxds
由于K－均值聚類算法局部最優(yōu)的特點(diǎn)，而模擬退火算法理論上具有全局最優(yōu)的特點(diǎn)。因此，用模擬退火算法對(duì)聚類進(jìn)行了改進(jìn)。20組聚類仿真表明，平均每次對(duì)K結(jié)果值改進(jìn)8次左右，效果顯著。下一步工作：實(shí)際上在高溫區(qū)隨機(jī)生成鄰域是個(gè)組合爆炸問題（見本人上載軟件‘k－均值聚類算法’所述），高溫跳出局部解的概率幾乎為0，因此正考慮采用凸包約束進(jìn)行模擬聚類，相關(guān)工作正在進(jìn)行。很快將奉獻(xiàn)給各位朋友。
上傳時(shí)間： 2015-03-18
上傳用戶：hullow
橢圓曲線密鑰生成程序，主要是為了了解ECC密鑰的生成算法，只是得到密鑰，沒有加解密過程。
上傳時(shí)間： 2014-01-21
上傳用戶：xauthu
md5算法是計(jì)算機(jī)密碼學(xué)里經(jīng)典的算法，實(shí)用價(jià)值很高，設(shè)計(jì)的關(guān)鍵在于隨機(jī)數(shù)的產(chǎn)生，本程序采用傳統(tǒng)的利用計(jì)算機(jī)時(shí)鐘采集種子的辦法生成隨機(jī)數(shù)種子。
標(biāo)簽： md5 算法 密碼 計(jì)算機(jī)
上傳時(shí)間： 2015-03-20
上傳用戶：zhaiyanzhong
spn算法加密和解密，substitution（代換），生成S或P逆盒
上傳時(shí)間： 2014-12-20
上傳用戶：獨(dú)孤求源
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
