使用C語言實(shí)現(xiàn)高斯塞德爾迭代算法，GS迭代發(fā)是一種用于計(jì)算方程組的經(jīng)典方法。
上傳時(shí)間： 2014-01-25
上傳用戶：wfl_yy
利用高斯塞得爾迭代法解線性方程組，改算法能對所有類型的線性方程組進(jìn)行求解，且收斂速度快！
上傳時(shí)間： 2016-05-25
上傳用戶：變形金剛
數(shù)值分析（計(jì)算方法）：歐拉方法、高斯－賽德爾迭代法、拉格朗日及分段線性插值、龍貝格算法、牛頓下山法、選主元高斯消去法
標(biāo)簽： 高斯 數(shù)值分析 分段線性 插值
上傳時(shí)間： 2014-01-16
上傳用戶：ZJX5201314
通過迭代的原理,進(jìn)行數(shù)值計(jì)算,求得所需解的曲線,精度很高
標(biāo)簽： 迭代 數(shù)值計(jì)算 精度
上傳時(shí)間： 2016-07-06
上傳用戶：wkchong
計(jì)算方法程序,包括高斯列主元法,復(fù)化simpson,標(biāo)準(zhǔn)四階龍格庫塔,Seidel迭代,Romberg算法
標(biāo)簽： simpson Romberg Seidel 計(jì)算方法
上傳時(shí)間： 2013-12-26
上傳用戶：firstbyte
您的可用下載數(shù)就會增加1次。更多說明請參看量越高得到的下載個(gè)數(shù)越
標(biāo)簽：
上傳時(shí)間： 2016-07-27
上傳用戶：vodssv
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(gè)“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(gè)數(shù)據(jù)對象任意選擇 k 個(gè)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(gè)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(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
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(gè)數(shù)據(jù)對象劃分為 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(gè)“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(gè)數(shù)據(jù)對象任意選擇 k 個(gè)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(gè)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(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
標(biāo)簽： 聚類 K-MEANS k-means 對象
上傳時(shí)間： 2013-12-19
上傳用戶：chenlong
本程序?qū)崿F(xiàn)了在matlab環(huán)境下進(jìn)行基于高階累積量的MUSIC算法仿真
標(biāo)簽： matlab MUSIC 程序 環(huán)境
上傳時(shí)間： 2016-08-01
上傳用戶：zhaiye
高斯-賽德爾迭代法-cpp.
上傳時(shí)間： 2016-08-11
上傳用戶：exxxds
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
