it s very value.it can help you to learn matlab and vavelet .
標簽： vavelet matlab value learn
上傳時間： 2015-12-26
上傳用戶：tedo811
2407asm文件夾包括第8~13章的匯編語言代碼及使用說明。有如下子文件夾： 第8章數字輸入輸出模塊(led)； 第8章數字輸入輸出模塊(LED+KEY)； 第9章事件管理器模塊(PWM)； 第9章事件管理器模塊_捕捉(cap)； 第9章事件管理器模塊_定時器中斷(Timer_INT)； 第10章模數轉換模塊(ADC)； 第11章串行外設接口模塊(SPI)； 第12章串行通信接口模塊(SCI)； 第13章局部控制器模塊(CAN)。
上傳時間： 2013-12-16
上傳用戶：洛木卓
％ 奇異值分解 (sigular value decomposition,SVD) 是另一種正交矩陣分解法；SVD是最可靠的分解法， ％ 但是它比QR 分解法要花上近十倍的計算時間。[U,S,V]=svd(A)，其中U和V代表二個相互正交矩陣， ％ 而S代表一對角矩陣。 和QR分解法相同者， 原矩陣A不必為正方矩陣。 ％ 使用SVD分解法的用途是解最小平方誤差法和數據壓縮。用svd分解法解線性方程組，在Quke2中就用這個來計算圖形信息，性能相當的好。在計算線性方程組時，一些不能分解的矩陣或者嚴重病態矩陣的線性方程都能很好的得到解
標簽： decomposition SVD sigular value
上傳時間： 2013-12-14
上傳用戶：大融融rr
實現《密碼學導引》一書中DES算法差分攻擊。輸出J1-J8及密鑰Key。默認是3輪DES，可任意設定輪數，修改Round的值即可。
上傳時間： 2016-01-07
上傳用戶：Zxcvbnm
The equation is written as a system of two first order ODEs. These are evaluated for different values of the parameter Mu. For faster integration, we choose an appropriate solver based on the value of the parameter Mu.
標簽： different evaluated equation written
上傳時間： 2013-12-25
上傳用戶：qazxsw
abov公司的單片機器MC80F7208的演示程序,C代碼,包含LCD,I2C,KEY,ADC,NVM,TIME等內容,適合初學者熟悉.
上傳時間： 2013-12-14
上傳用戶：it男一枚
采用eigen value來模擬各種衰落信道的源碼程序，可以仿真瑞利衰落和AWGN疊加等等的情況。有詳細注釋。
上傳時間： 2016-01-24
上傳用戶：520
3、LCD12864不能顯示或不能清楚顯示： 1）重新按住復位鍵和KEY A 2）或者：調整可調電阻。調到合適的亮度。 3）或者：冷啟動。 4）或者：檢查是否有其他按鍵按下，如紅外接收頭旁邊的INT0按鍵是否壓下。如壓下，請彈起。 5）或者：溫度傳感器芯片是否拔出。如沒有拔出，請拔出。重新復位并按住KEY A。
上傳時間： 2016-01-30
上傳用戶：410805624
MP3 KEY CODE IS NEW CODE
上傳時間： 2014-11-23
上傳用戶：lhc9102
How the K-mean Cluster work Step 1. Begin with a decision the value of k = number of clusters Step 2. Put any initial partition that classifies the data into k clusters. You may assign the training samples randomly, or systematically as the following: Take the first k training sample as single-element clusters Assign each of the remaining (N-k) training sample to the cluster with the nearest centroid. After each assignment, recomputed the centroid of the gaining cluster. Step 3 . Take each sample in sequence and compute its distance from the centroid of each of the clusters. If a sample is not currently in the cluster with the closest centroid, switch this sample to that cluster and update the centroid of the cluster gaining the new sample and the cluster losing the sample. Step 4 . Repeat step 3 until convergence is achieved, that is until a pass through the training sample causes no new assignments.
標簽： the decision clusters Cluster
上傳時間： 2013-12-21
上傳用戶：gxmm
<li id="omikg"></li> <strike id="omikg"></strike>
<li id="omikg"></li>