基于java的完整的RSA算法實現 /** * <p>Titre : RSA </p> * <p>Description : Encodage de donn閑s selon le protocole RSA </p> * <p>Copyright : Copyright (c) 2004</p> * @author Fran鏾is Bradette * @version 1.1 * version originale de Robert Sedgewick and Kevin Wayne.Copyright ? 2004 * pris sur le site http://www.cs.princeton.edu/introcs/104crypto/RSA.java.html * Modifier par Fran鏾is Bradette */
標簽： Description RSA Encodage gt
上傳時間： 2014-01-10
上傳用戶：時代電子小智
意圖 將一個類的接口轉換成客戶希望的另外一個接口。A d a p t e r 模式使得原本由于接口不兼容而不能一起工作的那些類可以一起工作。 適用性 · 你想使用一個已經存在的類，而它的接口不符合你的需求。 · 你想創建一個可以復用的類，該類可以與其他不相關的類或不可預見的類（即那些接口可能不一定兼容的類）協同工作。 · （僅適用于對象A d a p t e r ）你想使用一些已經存在的子類，但是不可能對每一個都進行子類化以匹配它們的接口。對象適配器可以適配它的父類接口。
上傳時間： 2014-07-30
上傳用戶：270189020
計算ARMA(p，q)模型的功率譜密度。 形參說明： b——雙精度實型一維數組，長度為(q+1),存放ARMA(p，q)模型的滑動平均系數。 a——雙精度實型一維數組，長度為(p+1),存放ARMA(p,q)模型的自回歸系數。 q——整型變量,ARMA(p,q)模型的滑動平均階數。 p——整型變量,ARMA(p,q)模型的自回歸階數。 sigma2——雙精度實型變量,ARMA(p,q)模型白噪聲激勵的方差。 fs——雙精度實型變量,采樣頻率(Hz)。 x——雙精度實型一維數組,長度為len。當sign＝0時，存放功率譜密度；當sign＝ 1時，存放用分貝表示的功率譜密度。 freq——雙精度實型一維數組，長度為len。存放功率譜密度所對應的頻率。 len——整型變量，功率譜密度的數據點數。 sign——整型變量,當sign＝0時，計算功率譜密度；當sign＝1時，計算用分貝表 示的功率譜密度。
上傳時間： 2015-04-09
上傳用戶：qiao8960
拋物線法求解 方程的構造方法:給出[0,1]區間上的隨機數(服從均勻分布)作為方程的根p*. 設你的班級數為a3,學號的后兩位數分別為a2與a1,從而得到你的三次方程 例如:你的31班的12號,則你的方程是21x3+60x2+2x+a0=0的形式. 方程中的系數a0由你得到的根p*來確定.
上傳時間： 2014-01-08
上傳用戶：lhc9102
改進的牛頓法求解： 方程的構造方法:給出[0,1]區間上的隨機數(服從均勻分布)作為方程的根p*. 設你的班級數為a3,學號的后兩位數分別為a2與a1,從而得到你的三次方程 例如:你的31班的12號,則你的方程是21x3+60x2+2x+a0=0的形式. 方程中的系數a0由你得到的根p*來確定.
上傳時間： 2013-12-16
上傳用戶：xfbs821
拋物線法求解 方程的構造方法:給出[0,1]區間上的隨機數(服從均勻分布)作為方程的根p*. 設你的班級數為a3,學號的后兩位數分別為a2與a1,從而得到你的三次方程 例如:你的31班的12號,則你的方程是21x3+60x2+2x+a0=0的形式. 方程中的系數a0由你得到的根p*來確定.
上傳時間： 2013-12-16
上傳用戶：zq70996813
支持多個進程并發運行的簡單進程管理模擬系統。本系統的同步機構采用的信號量上的P，V操作的機制；控制機構包括阻塞和喚醒操作；時間片中斷處理程序模擬的時間片中斷；進程調度程序負責為各進程分配處理機。
上傳時間： 2013-12-26
上傳用戶：huannan88
顯示ARP緩存信息.A R P高效運行的關鍵是由于每個主機上都有一個A R P高速緩存。這個高速緩存存放了最 近I n t e r n e t地址到硬件地址之間的映射記錄。高速緩存中每一項的生存時間一般為2 0分鐘，起 始時間從被創建時開始算起。
上傳時間： 2013-12-27
上傳用戶：siguazgb
鍵盤驅動程序： 鍵盤型號：P/S2 此程序已經測試過。
上傳時間： 2015-05-03
上傳用戶：變形金剛
本程序用C語言實現了集成神經網絡解決廣義異或問題。用神經網絡集成方法做成表決網,可克服初始權值的影響,對神經網絡分類器來說:假設有N個獨立的子網,采用絕對多數投票法,再假設每個子網以1-p的概率給出正確結果,且網絡之間的錯誤不相關,則表決系統發生錯誤的概率為 Perr = ( ) pk(1-p)N-k 當p<1/2時 Perr 隨N增大而單調遞減. 在工程化設計中,先設計并訓練數目較多的子網,然后從中選取少量最佳子網形成表決系統,可以達到任意高的泛化能力。
上傳時間： 2015-05-03
上傳用戶：kiklkook
