#include "iostream" using namespace std; class Matrix { private: double** A; //矩陣A double *b; //向量b public: int size; Matrix(int ); ~Matrix(); friend double* Dooli(Matrix& ); void Input(); void Disp(); }; Matrix::Matrix(int x) { size=x; //為向量b分配空間并初始化為0 b=new double [x]; for(int j=0;j<x;j++) b[j]=0; //為向量A分配空間并初始化為0 A=new double* [x]; for(int i=0;i<x;i++) A[i]=new double [x]; for(int m=0;m<x;m++) for(int n=0;n<x;n++) A[m][n]=0; } Matrix::~Matrix() { cout<<"正在析構中~~~~"<<endl; delete b; for(int i=0;i<size;i++) delete A[i]; delete A; } void Matrix::Disp() { for(int i=0;i<size;i++) { for(int j=0;j<size;j++) cout<<A[i][j]<<" "; cout<<endl; } } void Matrix::Input() { cout<<"請輸入A:"<<endl; for(int i=0;i<size;i++) for(int j=0;j<size;j++){ cout<<"第"<<i+1<<"行"<<"第"<<j+1<<"列:"<<endl; cin>>A[i][j]; } cout<<"請輸入b:"<<endl; for(int j=0;j<size;j++){ cout<<"第"<<j+1<<"個:"<<endl; cin>>b[j]; } } double* Dooli(Matrix& A) { double *Xn=new double [A.size]; Matrix L(A.size),U(A.size); //分別求得U，L的第一行與第一列 for(int i=0;i<A.size;i++) U.A[0][i]=A.A[0][i]; for(int j=1;j<A.size;j++) L.A[j][0]=A.A[j][0]/U.A[0][0]; //分別求得U，L的第r行，第r列 double temp1=0,temp2=0; for(int r=1;r<A.size;r++){ //U for(int i=r;i<A.size;i++){ for(int k=0;k<r-1;k++) temp1=temp1+L.A[r][k]*U.A[k][i]; U.A[r][i]=A.A[r][i]-temp1; } //L for(int i=r+1;i<A.size;i++){ for(int k=0;k<r-1;k++) temp2=temp2+L.A[i][k]*U.A[k][r]; L.A[i][r]=(A.A[i][r]-temp2)/U.A[r][r]; } } cout<<"計算U得:"<<endl; U.Disp(); cout<<"計算L的:"<<endl; L.Disp(); double *Y=new double [A.size]; Y[0]=A.b[0]; for(int i=1;i<A.size;i++ ){ double temp3=0; for(int k=0;k<i-1;k++) temp3=temp3+L.A[i][k]*Y[k]; Y[i]=A.b[i]-temp3; } Xn[A.size-1]=Y[A.size-1]/U.A[A.size-1][A.size-1]; for(int i=A.size-1;i>=0;i--){ double temp4=0; for(int k=i+1;k<A.size;k++) temp4=temp4+U.A[i][k]*Xn[k]; Xn[i]=(Y[i]-temp4)/U.A[i][i]; } return Xn; } int main() { Matrix B(4); B.Input(); double *X; X=Dooli(B); cout<<"~~~~解得:"<<endl; for(int i=0;i<B.size;i++) cout<<"X["<<i<<"]:"<<X[i]<<" "; cout<<endl<<"呵呵呵呵呵"; return 0; }
標簽： 道理特分解法
上傳時間： 2018-05-20
上傳用戶：Aa123456789
AR0231AT7C00XUEA0-DRBR（RGB濾光）安森美半導體推出采用突破性減少LED閃爍 (LFM)技術的新的230萬像素CMOS圖像傳感器樣品AR0231AT，為汽車先進駕駛輔助系統(tǒng)(ADAS)應用確立了一個新基準。新器件能捕獲1080p高動態(tài)范圍(HDR)視頻，還具備支持汽車安全完整性等級B(ASIL B)的特性。LFM技術(專利申請中)消除交通信號燈和汽車LED照明的高頻LED閃爍，令交通信號閱讀算法能于所有光照條件下工作。AR0231AT具有1/2.7英寸(6.82 mm)光學格式和1928(水平) x 1208(垂直)有源像素陣列。它采用最新的3.0微米背照式(BSI)像素及安森美半導體的DR-Pix?技術，提供雙轉換增益以在所有光照條件下提升性能。它以線性、HDR或LFM模式捕獲圖像，并提供模式間的幀到幀情境切換。 AR0231AT提供達4重曝光的HDR，以出色的噪聲性能捕獲超過120dB的動態(tài)范圍。AR0231AT能同步支持多個攝相機，以易于在汽車應用中實現多個傳感器節(jié)點，和通過一個簡單的雙線串行接口實現用戶可編程性。它還有多個數據接口，包括MIPI(移動產業(yè)處理器接口)、并行和HiSPi(高速串行像素接口)。其它關鍵特性還包括可選自動化或用戶控制的黑電平控制，支持擴頻時鐘輸入和提供多色濾波陣列選擇。封裝和現狀：AR0231AT采用11 mm x 10 mm iBGA-121封裝，現提供工程樣品。工作溫度范圍為-40℃至105℃(環(huán)境溫度)，將完全通過AEC-Q100認證。
標簽： 圖像傳感器
上傳時間： 2022-06-27
上傳用戶：XuVshu
some examples of step motor control by EZUSB
標簽： examples control EZUSB motor
上傳時間： 2014-01-21
上傳用戶：dancnc
第一章 有關數論的算法 1.1最大公約數與最小公倍數 1.2有關素數的算法 1.3方程ax+by=c的整數解及應用 1.4 求a^b mod n 第二章 高精度計算 2.1高精度加法 2.2高精度減法 2.3高精度乘法 2.4 高精度除法 練習 第三章 排列與組合 3.1加法原理與乘法原理 練習 3. 2 排列與組合的概念與計算公式 練習 3.3排列與組合的產生算法 練習 第四章 計算幾何 4.1 基礎知識 4.2 線段的相交判斷 4.3尋找凸包算法 練習 第五章 其它數學知識及算法 5.1 鴿巢原理 5.2 容斥原理及應用 5.3 常見遞推關系及應用
上傳時間： 2016-01-05
上傳用戶：frank1234
Essential C++ By Stanley B. Lippman Publisher : Addison Wesley Pub Date : September 12, 2002 ISBN : 0-201-48518-4 Pages : 416
標簽： B. Essential Publisher September
上傳時間： 2016-01-30
上傳用戶：zhengjian
一本c++學習的必備之書《Essential C++》By Stanley B. Lippman，
標簽： B. Essential Stanley Lippman
上傳時間： 2014-01-20
上傳用戶：水中浮云
k-step ahead predictions determined by simulation of the ％ one-step ahead neural network predictor. For NNARMAX ％ models the residuals are set to zero when calculating the ％ predictions. The predictions are compared to the observed output. ％
標簽： ahead predictions determined simulation
上傳時間： 2016-12-27
上傳用戶：busterman
C++ Primer, Fourth Edition By Stanley B. Lippman, Josée Lajoie, Barbara E. Moo Englisht version
上傳時間： 2014-11-30
上傳用戶：h886166
Hi guys, I have a B-spline curve algorithm by using Genetic algorithm. Any interested?
標簽： algorithm interested B-spline Genetic
上傳時間： 2017-04-13
上傳用戶：shawvi
This program is to one-step EEG prediction. it is done by a fuzzy neural network based on a chaotic back propagation training method.
標簽： prediction one-step program chaotic
上傳時間： 2017-07-15
上傳用戶：風之驕子
