編寫(xiě)具有如下函數(shù)原型的遞歸與非遞歸兩種函數(shù)equ，負(fù)責(zé)判斷數(shù)組a與b的前n個(gè)元素值是否按下標(biāo)對(duì)應(yīng)完全相同，是則返回true，否則返回false。并編制主函數(shù)對(duì)它們進(jìn)行調(diào)用，以驗(yàn)證其正確性。 bool equ(int a[], int b[], int n) 提示：遞歸函數(shù)中可按如下方式來(lái)分解并處理問(wèn)題，先判斷最后一個(gè)元素是否相同，不同則返false；相同則看n是否等于1，是則返回true，否則進(jìn)行遞歸調(diào)用（傳去實(shí)參a、b與 n-1，去判斷前n-1個(gè)元素的相等性），并返回遞歸調(diào)用的結(jié)果（與前n-1個(gè)元素的是否相等性相同）。
標(biāo)簽： equ 函數(shù) 遞歸 編寫(xiě)
上傳時(shí)間： 2014-01-18
上傳用戶(hù)：love1314
將非平穩(wěn)時(shí)間序列的狀態(tài)空間建模方法用于陀螺過(guò)渡過(guò)程的分析.基于平滑先驗(yàn)約束的概念，使用卡爾曼濾波和赤池的AIC方法擬合全局模型，得到陀螺漂移模型的若干數(shù)值結(jié)果并用于陀螺系統(tǒng)分析.由于觀測(cè)序列的趨勢(shì)項(xiàng)、不規(guī)則分量可同時(shí)建模，因此比分別建模在統(tǒng)計(jì)上更加準(zhǔn)確有效.
標(biāo)簽： 時(shí)間序列 建模方法 分 狀態(tài)空間
上傳時(shí)間： 2014-01-18
上傳用戶(hù)：363186
無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的一種新型隨機(jī)密鑰算法 江 超,任秀麗 (吉林師范大學(xué)計(jì)算機(jī)學(xué)院,吉林四平136000) 摘要: 針對(duì)無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中存在的安全問(wèn)題,分析了現(xiàn)有的基本隨機(jī)密鑰分布模型、q2composite隨機(jī)密 鑰預(yù)分布模型和對(duì)稱(chēng)密鑰生成算法在抗俘性、網(wǎng)絡(luò)連通性、擴(kuò)展性和內(nèi)存消耗等方面存在的問(wèn)題,結(jié)合隨機(jī)性和 身份認(rèn)證,提出了一種新型隨機(jī)密鑰算法。在仿真環(huán)境下,此算法與其他算法在抗入侵功能、網(wǎng)絡(luò)連通性、擴(kuò)展性 和內(nèi)存消耗方面進(jìn)行了比較。結(jié)果表明,提出的新型隨機(jī)密鑰算法在這些方面都優(yōu)于其他算法。
標(biāo)簽： 136000 q2c 無(wú)線(xiàn)傳感器網(wǎng)絡(luò) 隨機(jī)
上傳時(shí)間： 2017-02-04
上傳用戶(hù)：caozhizhi
遺傳算法是模擬達(dá)爾文生物進(jìn)化論的自然選擇與遺傳學(xué)機(jī)理的計(jì)算模型, 它是由美國(guó)Michigan 大學(xué)的Holland教授于1975年首次提出的. 這是一種新的全局優(yōu)化搜索算法, 其基本特征是利用群體進(jìn)化,即在求解過(guò)程中, 通過(guò)使種群不斷優(yōu)化, 從而找到滿(mǎn)意解或最優(yōu)解. 該算法具有簡(jiǎn)單通用、魯棒性強(qiáng)的優(yōu)點(diǎn), 適于并行處理, 已經(jīng)廣泛地應(yīng)用于計(jì)算機(jī)科學(xué)、優(yōu)化調(diào)度、運(yùn)輸問(wèn)題及組合優(yōu)化等領(lǐng)域
標(biāo)簽： Michigan Holland 1975 算法
上傳時(shí)間： 2017-02-07
上傳用戶(hù)：lindor
Modelica由位于瑞典Linkö ping的非贏利組織Modelica協(xié)會(huì)開(kāi)發(fā)，可以免費(fèi)使用。它是一種為支持有效的模型庫(kù)開(kāi)發(fā)和模型交換而設(shè)計(jì)的，建立在非因果模型之上、支持?jǐn)?shù)學(xué)方程和模型知識(shí)重用的，用于大型、復(fù)雜、多種成分組成的物理系統(tǒng)建模的現(xiàn)代面向?qū)ο笳Z(yǔ)言。它適合于多領(lǐng)域建模，例如機(jī)器人，包含機(jī)械、電子、水力、控制子系統(tǒng)的汽車(chē)、宇航應(yīng)用，面向（化工）過(guò)程的應(yīng)用及電力系統(tǒng)發(fā)配電等中的機(jī)電模型。Modelica中的模型是用微分、代數(shù)和離散方程進(jìn)行數(shù)學(xué)描述的。無(wú)需人工求解特定的變量。Modelica工具將有足夠的信息來(lái)自動(dòng)決定求解的事，可用專(zhuān)門(mén)的算法使對(duì)具有超過(guò)10萬(wàn)個(gè)方程的大型模型的處理成為可能。Modelica適合并用于半實(shí)物仿真和嵌入式控制系統(tǒng)。
標(biāo)簽： Modelica Link ouml ping
上傳時(shí)間： 2013-12-17
上傳用戶(hù)：wfeel
本文介紹了一般貝葉斯框架通過(guò)稀疏來(lái)解決回歸和經(jīng)典任務(wù)中利用線(xiàn)性模型中參數(shù)。雖然這框架完全概括說(shuō)明了，我們對(duì)一個(gè)特定專(zhuān)業(yè)的做法，這個(gè)特定專(zhuān)業(yè)就是我們指的“相關(guān)向量機(jī)（ RVM ）” 一個(gè)模型以相同的函數(shù)模型功能流行和最先進(jìn)的“支持向量機(jī)”（ SVM） 。我們論證了利用概率貝葉斯學(xué)習(xí)的構(gòu)造，我們可以得出準(zhǔn)確的預(yù)測(cè)模式，這個(gè)模型相比SVM大幅減少了使用基底函數(shù)，同時(shí)提供了一些其他優(yōu)點(diǎn)。這些優(yōu)點(diǎn)包括在效益指標(biāo)的概率預(yù)測(cè)，自動(dòng)估算“nuisance”參數(shù)，并利用該設(shè)施任意基函數(shù)（如：非`Mercer 的內(nèi)核）
上傳時(shí)間： 2014-01-02
上傳用戶(hù)：dancnc
模擬人的思維特點(diǎn),提出一種新型智能控制器:仿人邏輯預(yù)測(cè)控制器. 該控制器融合了基于泛布爾代數(shù)的邏輯控制器和基于模型的預(yù)測(cè)控制器的特點(diǎn), 是一種多值邏輯混合動(dòng)態(tài)系統(tǒng). Matlab仿真表明, 該控制器在模型匹配時(shí)性能良好, 在模型失配時(shí)依然能滿(mǎn)意運(yùn)行, 表現(xiàn)出魯棒性強(qiáng), 超調(diào)量小的特點(diǎn). 與其它類(lèi)型人工智能控制器相比, 該控制器結(jié)構(gòu)簡(jiǎn)單, 物理背景明確, 數(shù)學(xué)概念清晰, 便于在工業(yè)控制領(lǐng)域推廣應(yīng)用.
標(biāo)簽： Matlab 控制器 邏輯 預(yù)測(cè)控制
上傳時(shí)間： 2014-09-07
上傳用戶(hù)：sdq_123
研究了IEEE 802．11e EDcA機(jī)制的原理和無(wú)線(xiàn)信道利用模型，闡明了EDCA參數(shù)設(shè)置對(duì)其性能的重要 性。在此基礎(chǔ)上，提出了一種簡(jiǎn)單有效的參數(shù)調(diào)節(jié)策略。仿真結(jié)果表明，該參數(shù)調(diào)節(jié)機(jī)制在保證實(shí)時(shí)業(yè)務(wù)要求的同 時(shí)，可以顯著提高數(shù)據(jù)流的吞吐率，優(yōu)化了EDCA機(jī)制的運(yùn)行性能。
上傳時(shí)間： 2014-01-15
上傳用戶(hù)：chenjjer
針對(duì)雙目立體視覺(jué)系統(tǒng)研制過(guò)程中的攝像機(jī)標(biāo)定步驟,分析了計(jì)算機(jī)視覺(jué)函數(shù)庫(kù)OpenCV中的攝像機(jī)模型,其 中的非線(xiàn)性畸變考慮到了切向畸變和徑向畸變,采用Bouguet角點(diǎn)提取算法,實(shí)現(xiàn)了基于OpenCV的攝像機(jī)標(biāo)定.該 算法具有很高的標(biāo)定精度和計(jì)算效率、良好的跨平臺(tái)移植性,可以滿(mǎn)足雙目立體視覺(jué)系統(tǒng)的需要.
標(biāo)簽： OpenCV Bouguet 畸變 雙目立體視覺(jué)
上傳時(shí)間： 2013-11-27
上傳用戶(hù)：jiahao131
針對(duì)雙目立體視覺(jué)系統(tǒng)研制過(guò)程中的攝像機(jī)標(biāo)定步驟,分析了計(jì)算機(jī)視覺(jué)函數(shù)庫(kù)OpenCV中的攝像機(jī)模型,其 中的非線(xiàn)性畸變考慮到了切向畸變和徑向畸變,采用Bouguet角點(diǎn)提取算法,實(shí)現(xiàn)了基于OpenCV的攝像機(jī)標(biāo)定.該 算法具有很高的標(biāo)定精度和計(jì)算效率、良好的跨平臺(tái)移植性,可以滿(mǎn)足雙目立體視覺(jué)系統(tǒng)的需要.
標(biāo)簽： OpenCV Bouguet 畸變 雙目立體視覺(jué)
上傳時(shí)間： 2017-05-22
上傳用戶(hù)：Avoid98
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
<strike id="2q24s"></strike>
