注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. delphi Virus.Win32.HLLW.Delf.k.

  2. delphi Virus.Win32.HLLW.Delf.k.

  3. 所属分类：Delphi

    • 发布日期：2009-05-02
    • 文件大小：16kb
    • 提供者：asd88508

  1. AK8120(K)开通指导

  2. AK8120(K)开通指导AK8120(K)开通指导AK8120(K)开通指导

  3. 所属分类：专业指导

    • 发布日期：2009-05-07
    • 文件大小：1mb
    • 提供者：nocoolno

  1. 数学时间序列分析（R.K.奥特内斯 L.伊诺克森）

  2. 数学时间序列分析（R.K.奥特内斯 L.伊诺克森）

  3. 所属分类：专业指导

    • 发布日期：2009-05-15
    • 文件大小：8mb
    • 提供者：csu_cs

  1. K型热电耦温度采集系统原理图

  2. K型热电耦温度采集系统原理图 K型热电耦温度采集系统原理图

  3. 所属分类：专业指导

  1. 7.27④ 采用邻接表存储结构，编写一个判别无向图中任意给定的两个顶点之间是否存在一条长度为k的简单路径的算法

  2. 7.27④ 采用邻接表存储结构，编写一个判别无向图中任意给定的 两个顶点之间是否存在一条长度为k的简单路径的算法。 实现下列函数： Status SinglePath(ALGraph g, VertexType sv, VertexType tv, int k, char *sp);

  3. 所属分类：其它

    • 发布日期：2009-05-24
    • 文件大小：782byte
    • 提供者：ronald08

  1. K-means聚类C#实现

  2. 一个K-means聚类C#实现的Form程序，希望对大家课程实践有帮助！

  3. 所属分类：C#

    • 发布日期：2009-06-02
    • 文件大小：76kb
    • 提供者：xiangbupingfan

  1. AVR-K\avr_jtag_引导程序

  2. AVR-K\avr_jtag下载，包括调试程序，对于单片机也别好用啊

  3. 所属分类：硬件开发

    • 发布日期：2009-06-13
    • 文件大小：9kb
    • 提供者：huangjian421

  1. 寻找第k小元素 基本算法复习

  2. 寻找第k小元素 基本算法复习 内练一口气

  3. 所属分类：其它

    • 发布日期：2009-06-15
    • 文件大小：105kb
    • 提供者：digua254909662

  1. 一种基于相似度判据的K近邻分类器的车牌字符识别方法

  2. 一种基于相似度判据的K近邻分类器的车牌字符识别方法..............

  3. 所属分类：其它

    • 发布日期：2009-06-20
    • 文件大小：214kb
    • 提供者：guqianling

  1. 数据库 K阶斐波那契数列 源代码

  2. 数据库 K阶斐波那契数列 源代码 完全可运行 放心下载

  3. 所属分类：其它

    • 发布日期：2009-06-22
    • 文件大小：171kb
    • 提供者：jkxyforever

  1. K-means算法测试

  2. K均值C语言的实现，利用迭代算法逼近局部最优，进行数据聚类。

  3. 所属分类：C

    • 发布日期：2009-06-27
    • 文件大小：4kb
    • 提供者：leerear

  1. M.K南开100题系统

  2. M.K南开100题系统 M.K南开100题系统Ver1.0.exe

  3. 所属分类：C/C++

    • 发布日期：2009-06-28
    • 文件大小：692kb
    • 提供者：thjfk

  1. hadoop k-means算法实现（可直接命令行运行）

  2. hadoop k-means算法实现java工程的打包类，可直接在terminal中运行，运行命令为： $HADOOP_HOME/bin/hadoop jar ClusterDemo.jar main.Cluster 然后直接确定就可以看到提示的运行参数或者参考下面： +" \n" +"\t:输入文件路径\n" +"\t:输出文件路径\n" +"\t:初始中心路径\n" +"\t:临时输出文件路径\n" +"\t:循环最大次数\n" +"\t:聚类中心变化阈值\n" +"\t:聚

  3. 所属分类：Java

    • 发布日期：2013-05-10
    • 文件大小：12kb
    • 提供者：fansy1990

  1. 在D0→π+ π−μ + μ−和D0→K + K−μ + μ−衰减中测量角度和CP不对称

  2. 在D0→π+π-μ+μ-和D0中π子对（AFB），三乘积不对称（A2ϕ）和电荷奇偶共轭不对称（ACP）的首次测量。 报告了D0→K + K +μ+μ-的衰减。 它们是使用2011年至2016年LHCb实验收集的质子-质子碰撞数据进行的，对应的总光度为5 fb-1。 测量不对称性为AFB（D0→π+π-μ+μ-）=（3.3±3.7±0.6）％，A2，（D0→π+π-μ+μ-）=（-0.6±3.7±0.6） ）％，ACP（D0→π+ π−μ +μ−）=（4.9±3.8±0.7）％，AFB（D0→K

  3. 所属分类：其它

    • 发布日期：2020-04-02
    • 文件大小：349kb
    • 提供者：weixin_38572979

  1. G-K模型及复合Poisson跳汇率模型下的外汇期权定价

  2. G-K模型及复合Poisson跳汇率模型下的外汇期权定价，成佩，严定琪，本文采用鞅方法对Garman和Kohlhagen提出的G-K模型下的外汇期权进行定价，较其他方法更为简单。然后在G-K模型的基础上，进一步假设引起汇

  3. 所属分类：其它

    • 发布日期：2020-02-25
    • 文件大小：425kb
    • 提供者：weixin_38539018

  1. Bs→K∏ decays and the NLO contributions in the pQCD Approach

  2. Bs→K∏ decays and the NLO contributions in the pQCD Approach，刘敬，周锐，In this paper wecalculatedthepartialnext-to-leadingorder(NLO)contributionsto Bs→K∏ecaysbyemployingthepQCDapproach,wefoundnumericallythat(a)for Bs→K∏decaytheconsistencybetwe

  3. 所属分类：其它

    • 发布日期：2019-12-29
    • 文件大小：625kb
    • 提供者：weixin_38680625

  1. 问题描述：求从1~n的正整数中取出k(k<=n)个不重复整数的所有组合.pdf

  2. 分析：求解k个数的不同组合，我们可以用一维数组a[0]~a[k-1]来保存其中的一个结果，因为组合元 素是不重复的，可以约定其递增排列，因为数组中的元素是递增排列的： 所以a[k-1]即组合中的最后一个数，只能为k~n 令i=a[k-1] 则 i>=k && i<=n 完整代码请参考我的博客文章，这里只是核心部分

  3. 所属分类：C/C++

    • 发布日期：2020-05-25
    • 文件大小：89kb
    • 提供者：huayula

  1. K-近邻算法的python实现代码分享

  2. k-近邻算法概述： 所谓k-近邻算法KNN就是K-Nearest neighbors Algorithms的简称，它采用测量不同特征值之间的距离方法进行分类 用官方的话来说，所谓K近邻算法，即是给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近的K个实例（也就是上面所说的K个邻居）， 这K个实例的多数属于某个类，就把该输入实例分类到这个类中。 k-近邻算法分析 优点：精度高、对异常值不敏感、无数据输入假定。 缺点：计算复杂度高、空间复杂度高。 适用数据范围：数值型和标称

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：147kb
    • 提供者：weixin_38730767

  1. 复介电常数的K-K修正对金属纳米球阵列结构光学特性的影响

  2. 对金属的复介电常数虚部进行了Kawabata-Kubo(K-K)修正, 定量描述了表面等离激元产生的光学散射和吸收特性; 利用米氏理论和电偶极子理论计算并分析了光入射到单个椭球状金属纳米微粒产生的消光特性; 建立了椭球状纳米微粒周期阵列分布的光学偏振结构模型, 利用COMSOL软件模拟计算了可见光到近红外波段的偏振光输出特性。以椭球的有效半径替代球半径, 将K-K修正应用于金属椭球阵列结构的有限元模拟。修正后的金属纳米椭球阵列的透过率减小, 消光光谱带宽增大, 这与实验中单个金属颗粒的宽带强吸收

  3. 所属分类：其它

  1. K最近邻算法(KNN)—sklearn+python实现方式

  2. k-近邻算法概述 简单地说，k近邻算法采用测量不同特征值之间的距离方法进行分类。 k-近邻算法 优点：精度高、对异常值不敏感、无数据输入假定。 缺点：计算复杂度高、空间复杂度高。 适用数据范围：数值型和标称型。 k-近邻算法（kNN)，它的工作原理是：存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据与所属分类的对应关系。输入没有标签的新数据后，将新数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本集中特征最相似数据（最近邻）的分类标

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：351kb
    • 提供者：weixin_38727579
« 12 3 4 5 6 7 8 9 10 ... 50 »