張量分析工具，計(jì)算乘積測度空間的張量用于信號處理
標(biāo)簽： 分
上傳時(shí)間： 2014-12-03
上傳用戶：com1com2
c#編寫的一個數(shù)據(jù)庫批量更新小工具。對測試人員來說比較有用。(可以一次性批量添加N條記錄）
標(biāo)簽： 編寫 數(shù)據(jù)庫 更新 測試
上傳時(shí)間： 2015-12-06
上傳用戶：王者A
卷積運(yùn)算：取x(t)和h(t)的長度為nx,nh。平移量n=nh+nx-1，利用for和if語句實(shí)現(xiàn)倒序求和運(yùn)算。外循環(huán)用一個for語句實(shí)現(xiàn)平移，通過在求和時(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
SMI 321BB的量產(chǎn)工具的使用說明及操作說明等等.歡迎閱讀
標(biāo)簽： SMI 321 BB 量產(chǎn)工具
上傳時(shí)間： 2016-03-19
上傳用戶：我們的船長
DFT(Discrete Fourier Transformation)是數(shù)字信號分析與處理如圖形、語音及圖像等領(lǐng)域的重要變換工具，直接計(jì)算DFT的計(jì)算量與變換區(qū)間長度N的平方成正比。當(dāng)N較大時(shí)，因計(jì)算量太大，直接用DFT算法進(jìn)行譜分析和信號的實(shí)時(shí)處理是不切實(shí)際的。快速傅立葉變換(Fast Fourier Transformation，簡稱FFT)使DFT運(yùn)算效率提高1～2個數(shù)量級。其原因是當(dāng)N較大時(shí)，對DFT進(jìn)行了基4和基2分解運(yùn)算。FFT算法除了必需的數(shù)據(jù)存儲器ram和旋轉(zhuǎn)因子rom外，仍需較復(fù)雜的運(yùn)算和控制電路單元，即使現(xiàn)在,實(shí)現(xiàn)長點(diǎn)數(shù)的FFT仍然是很困難。本文提出的FFT實(shí)現(xiàn)算法是基于FPGA之上的，算法完成對一個序列的FFT計(jì)算，完全由脈沖觸發(fā)，外部只輸入一脈沖頭和輸入數(shù)據(jù)，便可以得到該脈沖頭作為起始標(biāo)志的N點(diǎn)FFT輸出結(jié)果。由于使用了雙ram，該算法是流型(Pipelined)的，可以連續(xù)計(jì)算N點(diǎn)復(fù)數(shù)輸入FFT，即輸入可以是分段N點(diǎn)連續(xù)復(fù)數(shù)數(shù)據(jù)流。采用DIF(Decimation In Frequency)-FFT和DIT(Decimation In Time)-FFT對于算法本身來說是無關(guān)緊要的，因?yàn)閮煞N情況下只是存儲器的讀寫地址有所變動而已，不影響算法的結(jié)構(gòu)和流程，也不會對算法復(fù)雜度有何影響。
標(biāo)簽： Transformation Discrete Fourier DFT
上傳時(shí)間： 2016-04-12
上傳用戶：lx9076
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個數(shù)據(jù)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(jìn)行計(jì)算的。 k-means 算法的工作過程說明如下：首先從n個數(shù)據(jù)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(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(fù)這一過程直到標(biāo)準(zhǔn)測度函數(shù)開始收斂為止。一般都采用均方差作為標(biāo)準(zhǔn)測度函數(shù). k個聚類具有以下特點(diǎn)：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開
標(biāo)簽： 聚類 K-MEANS k-means 對象
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個數(shù)據(jù)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(jìn)行計(jì)算的。 k-means 算法的工作過程說明如下：首先從n個數(shù)據(jù)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(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(fù)這一過程直到標(biāo)準(zhǔn)測度函數(shù)開始收斂為止。一般都采用均方差作為標(biāo)準(zhǔn)測度函數(shù). k個聚類具有以下特點(diǎn)：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開
標(biāo)簽： 聚類 K-MEANS k-means 對象
上傳時(shí)間： 2013-12-19
上傳用戶：chenlong
石油大學(xué)油藏工程畢業(yè)設(shè)計(jì)的計(jì)算工具,用此工具幾秒鐘就完成平時(shí)需要20天的計(jì)算量.懶得做畢業(yè)設(shè)計(jì)的學(xué)生有福了.
標(biāo)簽： 畢業(yè)設(shè)計(jì) 石油大學(xué) 工程 計(jì)算工具
上傳時(shí)間： 2016-08-07
上傳用戶：ma1301115706
金士頓U盤量產(chǎn)工具，制作成CD-ROM 主要用于U盤制作啟動盤
標(biāo)簽： 金士頓 U盤 量產(chǎn)工具
上傳時(shí)間： 2016-08-21
上傳用戶：alan-ee
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
