用線性緩沖區和帶移位雙操作數尋址方法實現FIR濾波器 * *N=5,y(n)=h0*x(n)+h1*x(n-1)+h2*x(n-2)+h3*x(n-3)+h4*x(n-4)*
上傳時間： 2016-07-25
上傳用戶：璇珠官人
*用循環緩沖區和雙操作數尋址方法實現FIR濾波器 *N=80,y(n)=h0*x(n)+h1*x(n-1)+...+h78*x(n-78)+h79*x(n-79) *先用matlab，選擇80點漢明窗設計一個截止頻率為0.2pi的低通濾波器
上傳時間： 2016-07-25
上傳用戶：BOBOniu
系數對稱的FIR濾波器設計 * *N=8,h(n)=h(N-1-n) * *y(n)=h0*[x(n)+x(n-7)]+h1*[x(n-1)+x(n-6)] * * +h2*[x(n-2)+x(n-5)]+h3*[x(n-3)+x(n-4)]
上傳時間： 2013-12-09
上傳用戶：yepeng139
VHDL的N位加法器，非常的好用，經過仿真驗證的！
上傳時間： 2016-07-25
上傳用戶：270189020
基于matlab的m/m/n排隊仿真源碼
上傳時間： 2013-12-22
上傳用戶：ainimao
Program main BIOS image | | /B - Program Boot Block | | /N - Program NVRAM | | /C - Destroy CMOS checksum | | /E - Program Embedded Controller Block | | /K - Program all non-critical blocks | | /Kn - Program n th non-critical block only(n=0-7) | | /Q - Silent execution | | /REBOOT - Reboot after programming | | /X - Don t Check ROM ID | | /S - Display current system s ROMID | | /Ln - Load CMOS defaults
標簽： Program Destroy Block NVRAM
上傳時間： 2016-07-26
上傳用戶：wfl_yy
模擬計算機進程分配各種資源的數目總和 M個進程對N類資源最大資源需求量 系統可用資源數 M個進程已經得到N類資源的資源量 M個進程還需要N類資源的資源量 請求資源個數
上傳時間： 2016-07-27
上傳用戶：qweqweqwe
問題描述 設有n種不同面值的硬幣，各硬幣的面值存于數組T[1:n]中。現要用這些面值的硬幣來找錢，可以實用的各種面值的硬幣個數不限。當只用硬幣面值T[1],T[2],…,T[i]時，可找出錢數j的最少硬幣個數記為C(i,j)。若只用這些硬幣面值，找不出錢數j時，記C(i,j)=∞。 編程任務 設計一個動態規劃算法，對1≤j≤L，計算出所有的C( n,j )。算法中只允許實用一個長度為L的數組。用L和n作為變量來表示算法的計算時間復雜性 數據輸入 由文件input.txt提供輸入數據。文件的第1行中有1個正整數n（n<=13），表示有n種硬幣可選。接下來的一行是每種硬幣的面值。由用戶輸入待找錢數j。 結果輸出 程序運行結束時，將計算出的所需最少硬幣個數輸出到文件output.txt中。
標簽：
上傳時間： 2016-07-28
上傳用戶：yangbo69
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
