点数信息
www.dssz.net
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]
!
首页
移动开发
云计算
大数据
数据库
游戏开发
人工智能
网络技术
区块链
操作系统
模糊查询
热门搜索:
源码
Android
整站
插件
识别
p2p
游戏
算法
更多...
在线客服QQ:632832888
当前位置:
资源下载
搜索资源 - k值的确定
下载资源分类
移动开发
开发技术
课程资源
网络技术
操作系统
安全技术
数据库
行业
服务器应用
存储
信息化
考试认证
云计算
大数据
跨平台
音视频
游戏开发
人工智能
区块链
在结果中搜索
所属系统
Windows
Linux
FreeBSD
Unix
Dos
PalmOS
WinCE
SymbianOS
MacOS
Android
开发平台
Visual C
Visual.Net
Borland C
CBuilder
Dephi
gcc
VBA
LISP
IDL
VHDL
Matlab
MathCAD
Flash
Xcode
Android STU
LabVIEW
开发语言
C/C++
Pascal
ASM
Java
PHP
Basic/ASP
Perl
Python
VBScript
JavaScript
SQL
FoxBase
SHELL
E语言
OC/Swift
文件类型
源码
程序
CHM
PDF
PPT
WORD
Excel
Access
HTML
Text
资源分类
搜索资源列表
LINGO软件的学习
LINGO是用来求解线性和非线性优化问题的简易工具。LINGO内置了一种建立最优化模型的语言,可以简便地表达大规模问题,利用LINGO高效的求解器可快速求解并分析结果。 §1 LINGO快速入门 当你在windows下开始运行LINGO系统时,会得到类似下面的一个窗口: 外层是主框架窗口,包含了所有菜单命令和工具条,其它所有的窗口将被包含在主窗口之下。在主窗口内的标题为LINGO Model – LINGO1的窗口是LINGO的默认模型窗口,建立的模型都都要 在该窗口内编码实现。下面举两个例子
所属分类:
C
发布日期:2009-08-08
文件大小:312kb
提供者:
huxlaylyx
ACM 常用代码 都是很经典的
......................................................................... 7 | 弦图的PERFECT ELIMINATION 点排列 .......................... 7 | 稳定婚姻问题 O(N^2) .................................................. 8 | 拓扑排序 .......................................
所属分类:
其它
发布日期:2010-04-24
文件大小:651kb
提供者:
zhuyingqingfen
K近邻算法讲解、python实现、k值的确定(python实现,具体代码讲解请看博主博客)
python实现,具体代码讲解请看博主博客,博主名称:u010665216,文章在机器学习专栏,文章名称:K近邻算法讲解、python实现、k值的确定
所属分类:
机器学习
发布日期:2017-09-25
文件大小:137kb
提供者:
u010665216
胶结充填体与矿石的能量匹配关系及固化时间的确定
通过对不同灰砂比和料浆浓度的胶结充填体的单轴抗压强度与养护时间的分析,分别建立了胶结充填体固化强度与养护龄期之间的正相关数学表达式。在空场采矿嗣后充填法中,引入能量匹配系数K表征胶结充填体的变形比能与矿石回采释放比能的关系,获得了K值与矿石的弹性模量、垂直应力与充填体固结强度的关系,以及K值与胶结充填体固化时间的关系。据此,定量分析二步骤矿石回采的开挖时间。针对李楼铁矿实例,确定了料浆浓度为75%,灰砂配比为1∶8的充填体,固化时间42 d,比原设计提前18 d。
所属分类:
其它
发布日期:2020-05-06
文件大小:774kb
提供者:
weixin_38595606
f + K(0)的确定和| Vcs |的提取 来自半瘦素D衰变
通过全局分析D→Ke +νe衰减的四个不同动量传递平方q2仓中所有现有测得的分支分数和分率,我们得出Cabibbo–Kobayashi–Maskawa矩阵元素Vcs的形状因子和大小的乘积为f + K(0)| Vcs | = 0.717±0.004。 使用该乘积,我们结合| Vcs |的值确定D→K半瘦子形状因子f + K(0)= 0.737±0.004±0.000。 由标准模型全局拟合确定。 或者,与乘积以及最近在晶格量子色动力学(LQCD)中计算出的形状因子f + K(0)的输入一起,我们提
所属分类:
其它
发布日期:2020-04-29
文件大小:504kb
提供者:
weixin_38502929
从e + e-→ψ(3770)→cc′和pp→cc′X数据的组合改进对D→K −π+π+π-相干因子和相关强子参数的确定
给出了衰减D→K-π+π+π-的相干因子RK3π,平均强相差δDK3π和平均振幅比rDK3π的测量结果。 这些参数是确定B−→DK−衰变中的triangle三角形角γ的重要输入,其中D表示D0的叠加,D介子衰变到共同的最终状态。 结果是根据对CLEO-cψ(3770)数据集的重新分析以及由LHCb协作进行的D0D'0混合研究中测得的观测值的组合拟合得出的。
所属分类:
其它
发布日期:2020-04-16
文件大小:1mb
提供者:
weixin_38722891
QCD的弹性πK散射的夸克质量相关性
我们提出了使用晶格量子色动力学确定S和P部分波中isospin-12弹性πK散射幅度的方法。 获得了受大量实值能量点约束的振幅,这些振幅是光夸克质量的函数,在单个晶格间距处对应于200和400 MeV之间的四个介子质量。 在第一个非弹性阈值以下,P波的散射幅度由单极奇异性控制,该奇异性从在最高夸克质量下的稳定束缚态演变为随着pion和kaon质量降低而变宽的窄共振。 如在实验中一样,S波振幅没有表现出明显的共振行为,而是从阈值缓慢上升,这与在考虑的夸克质量下存在类似κ/K0⋆(700)的共振并不
所属分类:
其它
发布日期:2020-04-10
文件大小:610kb
提供者:
weixin_38680492
2016年通用Unit三角和CMFV模型中ΔMs,d和εK之间的张力
受费米实验室晶格和MILC合作最近改进的结果的影响,强铁性矩阵元素进入Bs,d0-B′s,d0混合的ΔMs,d,我们确定了在最小限度违反风味的模型中的通用统一三角形(UUT) (CMFV)。 特别重要的是非常精确地确定比率| Vub | / | Vcb | = 0.0864±0.0025和角度γ=(62.7±2.1)∘。 它们是根据ΔMd/ΔMs和CP不对称SψKS的实验值遵循的。 正如在CMFV模型中一样,介子混合的新贡献可以用单个风味通用变量S(v)来描述,接下来我们确定CKM矩阵元素|
所属分类:
其它
发布日期:2020-04-05
文件大小:845kb
提供者:
weixin_38747444
首先确定D→π+π-π0和D→K +K-π0的CP含量
通过CLEO-c实验收集的与量子相关的ψ(3770)→DD衰变用于进行F +的首次测量,自共轭衰变D→π+π-π0和D→K的分数CP偶数含量 +K-π0。 对于π+π-π0和K +K-π0,分别获得0.968±0.017±0.006和0.731±0.058±0.021的值。 演示了如何使用B∓→DK∓衰减将这种模式清晰地包含在the三角形角γ的测量中。 D→π+π-π0的高CP偶数含量尤其使其成为提高γ精度的一种有前途的模式。
所属分类:
其它
发布日期:2020-04-04
文件大小:445kb
提供者:
weixin_38582506
通过解析,确定$$ B \ rightarrow K ^ * ell \ ell $$ B→K ∗ℓℓ中的长距离效应
我们讨论了一种新颖的方法来系统地确定运动区域中双态不变质量低于开放魅力阈值的运动对$$ B \ rightarrow K ^ * ell \ ell $$ B→K ∗ℓℓ的主要长距离贡献 。 该方法提供了迄今为止最一致,最可靠的确定方法,可用于计算所有感兴趣的观测对象的标准模型预测值,包括运动区域,在该区域中,双峰不变质量在$$ J / \ psi $$ J /ψ与 $$ \ psi(2S)$$ψ(2S)共振。 我们通过对Wilson系数$$ C_9 $$ C9进行新拟合来说明结果的力量。 该方
所属分类:
其它
发布日期:2020-03-28
文件大小:1mb
提供者:
weixin_38559203
D→K S0π+π-π0的量子相关测量值的衰减及其对确定CKM角γ的影响
我们使用与CLEO-c探测器在ψ(3770)共振处收集的0.82 fb-1积分光度相对应的数据样本,对衰变D→K S0π+π-π0进行量子相关测量。 CP偶数分数F +的值确定为0.238±0.012±0.012。 通过在存在的中间共振附近进行装仓,还可以在K S0π+π-π0相空间的不同区域中测量强相差。 还讨论了根据B±→D(K S0π+π-π0)K±衰减来确定CKM角γ的结果的潜在灵敏度。
所属分类:
其它
发布日期:2020-03-24
文件大小:588kb
提供者:
weixin_38737521
两硬条件下工作面大采高液压支架工作阻力的确定
分析了晋华宫煤矿两硬顶板的矿压显现规律及不同区域液压支架受力特性,并依据理论分析确定了液压支架的工作阻力。同时通过现场监测对支架的工作参数进行分析得出:液压支架的初撑力平均值9 218 k N,是额定值的91.01%;工作阻力平均值12 156 k N,为额定值的92.74%,支架选型合理。
所属分类:
其它
发布日期:2020-07-08
文件大小:238kb
提供者:
weixin_38620959
基于MOS管最大耐压值的反激变压器设计
由变换器预定技术指标可知变压器初级侧电压Vdcmin= 240 V, Vdcmax= 380 V, 预设效率η= 85%, 工作频率f = 65 kHz, 电源输出功率P out= 25 W。 变压器的输入功率: 根据面积乘积法来确定磁芯型号, 为了留有一定裕量, 选用锰锌铁氧体磁芯EE25/ 20, 电感量系数A L=1 750 nH/ N2 , 初始磁导率μi= 2 300, 有效截面积A e= 42. 2 mm2 . 因为所选的MOS 管的最大耐压值V MOSmax= 700 V.
所属分类:
其它
发布日期:2020-07-20
文件大小:36kb
提供者:
weixin_38537315
基础电子中的带磁心线圈电感量的设计计算方法
带磁心线圈的电感量,由于和磁心的种类及形状有关,计算复杂且计算结果和实际相差较大。因此通常使用一种适用于各种磁性材料的简便计算方法。 根据理论推导,当线圈的尺寸及所选用的磁心确定后,则其相应的参数就可以认为是一个确定值,可以把它看成是一个常数。此时线圈的电感量仅和线圈匝数的平方成正比,因此可以列出磁心线圈电感的计算式,即 式中:K--系数,它与线圈的尺寸及磁性材料有关; N--线圈的匝数 一般K值的大小是由试验确定的。当要绕制的线圈电感量为某一值Lm时,可先在骨架上(
所属分类:
其它
发布日期:2020-11-23
文件大小:52kb
提供者:
weixin_38518885
python中实现k-means聚类算法详解
算法优缺点: 优点:容易实现 缺点:可能收敛到局部最小值,在大规模数据集上收敛较慢 使用数据类型:数值型数据 算法思想 k-means算法实际上就是通过计算不同样本间的距离来判断他们的相近关系的,相近的就会放到同一个类别中去。 1.首先我们需要选择一个k值,也就是我们希望把数据分成多少类,这里k值的选择对结果的影响很大,Ng的课说的选择方法有两种一种是elbow method,简单的说就是根据聚类的结果和k的函数关系判断k为多少的时候效果最好。另一种则是根据具体的需求确定,比如说进行衬衫尺寸
所属分类:
其它
发布日期:2020-12-23
文件大小:250kb
提供者:
weixin_38651450
SPHLU:一种处理不确定数据上的PRkNN查询的高效算法
对不确定数据的查询已收到很多近年来受到关注,尤其是随着发展基于位置的服务(LBS)。 但是,很少有研究专注于对不确定性的反向k最近邻查询数据。 在本文中,我们研究了概率逆向k最近邻(PRkNN)查询不确定的数据。 简洁地显示,PRkNN查询检索所有概率高于给定阈值的点值将成为查询数据Q的RkNN。 在该主题上的工作主要是使用k> 1进行处理。 有些算法允许k> 1的情况,但是效率效率低,特别是对于大k。 在本文中,我们提出一种有效的修剪算法SPHLU,用于解决PRkNN查询k>
所属分类:
其它
发布日期:2021-03-06
文件大小:863kb
提供者:
weixin_38518722
饱和效应对激光场强度相关时间和有效本征值的影响
用全饱和激光模型对既含有加性又含有倍增噪声的激光场进行理论分析,求出了强度相关时间Tc的数值解和有效本征值λeff的解析解。与实验测量相比较表明,全饱和激光模型与实验吻合得最好,而三次激光模型的偏差较大。当用全饱和激光模型的理论值同时拟合Tc和λeff时,可以确定该激光系统的空腔衰减常数K,从而为测量K提供了理论依据。
所属分类:
其它
发布日期:2021-02-11
文件大小:425kb
提供者:
weixin_38621630
部分四值逻辑中保三元正则可离关系函数集最小覆盖的确定
Sheffer函数的判定与构造是多值逻辑函数结构理论中的重要问题之一,此问题可归结为定出多值逻辑函数集之准完备集的最小覆盖。本文根据部分K值逻辑的完备性理论以及准完备集之间的相似关系理论,定出部分四值逻辑中保三元正则可离关系的准完备集之最小覆盖的成员。
所属分类:
其它
发布日期:2021-02-06
文件大小:176kb
提供者:
weixin_38724333
KMeans_elbow:使用“肘标准”为K-means算法确定最佳聚类数的代码-源码
KMeans算法和Elbow准则 “ k-Means聚类背后的想法是获取一堆数据并确定数据中是否存在任何自然聚类(相关对象的组)。 k-Means算法是所谓的无监督学习算法。 我们事先不知道数据中存在什么模式-它没有形式分类-但我们想知道是否可以将数据以某种方式分为几类。 例如,您可以使用k-Means通过告诉像素根据其颜色值将像素分组为3个群集来查找图像中3种最突出的颜色。 或者,您可以使用它将相关新闻文章分组在一起,而无需事先确定要使用的类别。 该算法将自动找出最佳组。 k均值中的“
所属分类:
其它
发布日期:2021-02-03
文件大小:100kb
提供者:
weixin_42116650
机器学习算法总结3:k近邻法
k近邻法(k-NN)是一种基本分类与回归方法。算法思想:给定一个数据集,对新的输入实例,在训练数据集中找到与其最邻近的k个实例,这k个实例的多数属于某个类,就把该输入实例分为哪个类。 k近邻的特殊情况是k=1的情形,称为最近邻算法。 k近邻算法没有显式的学习过程。 1.模型:k近邻法使用的模型对应于对特征空间的划分。 k近邻法中,当训练集、k值、距离度量(如欧式距离)及分类决策规则确定后,对于任何一个新的输入实例,它所属的类唯一地确定。 模型的三个基本要素:k值的选择、距离度量以及分类决策规
所属分类:
其它
发布日期:2021-01-20
文件大小:427kb
提供者:
weixin_38508821
«
1
2
3
4
5
6
7
8
9
10
...
24
»