-
在 Python 中的IDEA 算法
idea.c- IDEA 分组密码算法的 C 源代码。 IDEA （国际数据加密算法），前身为 IPES （改进提议的加密标准）。算法由薛家赖和 James L.梅西，苏黎世 ETH 的开发。此实现修改和来自原来的 C 代码开发了薛家荔枝。从零开始的索引添加的名称更改从IPES的IDEA。循环流化床功能添加。随机数字例程添加。
- 2022-04-21 11:41:44下载
- 积分：1
-
定步长龙格之间的区域一体化
全区间积分的定步长龙格-库塔法-regional integration between the fixed step Changlong Runge- Kutta method
- 2023-04-12 11:45:03下载
- 积分：1
-
遗传算法实现最短路径优化
%初始化参数 %注：popsize=200,MaxGeneration=100,约跑2分钟。若不要求太精确，可减少循环次数。pointnumber=11; %节点个数Popsize=200; %种群规模，只能取偶数（因67行的循环）MaxGeneration=100; %最大代数Pc=0.8;Pm=0.3; %交叉概率和变异概率A=[0 2 8 1 50 50 50 50 50 50 50 2 0 6 50 1 50 50 50 50 50 50 8 6 0 7 50 1 50 50 50 50 50 1 50 7 0 50 50 9 50 50 50 50 50 1 50 50 0 3 50 2 50 50 50 50 50 1 50 3 0 4 50 6 50 50 50 50 50 9 50 4 0 50 50 1 50 50 50 50 50 2 50 50 0 7 50 9 50 50 50 50 50 6 50 7 0 1
- 2022-02-24 16:29:41下载
- 积分：1
-
Mean Shift算法
使用python编写的处理彩色图像的Meanshift 算法 需要安装python2.5以上
- 2023-03-24 11:05:04下载
- 积分：1
-
java（sl275课程习题的求解模块
java（sl275课程习题解module1-module3共7道习题的题目以及程序）-java (sl275 courses Exercise Solution module1- module3 a total of seven topics and the questions of procedure)
- 2023-06-27 00:35:02下载
- 积分：1
-
遥感中关于孔隙率/透过率计算的代码（适用于连续植被和离散植被）
叶面积指数估算中，关于孔隙率计算的代码，考虑了不同的树冠形状（椭圆形、圆锥形、圆锥+椭圆形），并且可基于孔隙率估算叶面积指数和聚集指数。代码包含了连续植被（比尔定律）、和离散植被的情况，离散植被中假设树干在空间上满足随机分布。使用时请引用文献：尹高飞, 柳钦火, 李静, 曾也鲁, 徐保东. 树冠形状对孔隙率及叶面积指数估算的影响分析. 遥感学报, 2014, 18(4), 752 – 759.
- 2022-08-03 11:09:01下载
- 积分：1
-
用动态规划算法解决独立任务最优调度问题
有N件产品，既可以选择用A独立机器完成，也可以选择用B机器独立完成。产品i用A机器和B机器生产所有的时间分别为ai和bi。 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报
- 2022-01-24 12:32:07下载
- 积分：1
-
moment program for electromagnetic computing
moment program for electromagnetic computing -moment program for electromagnetic computing
- 2022-04-30 12:09:36下载
- 积分：1
-
优化设计的程序，包括一位搜索，及无约束搜索方法
优化设计的程序，包括一位搜索，及无约束搜索方法-Optimal design procedures, including a search, and the unconstrained search method
- 2023-06-20 06:30:03下载
- 积分：1
-
k-means 算法的工作过程说明如下：首先从n个数据对象任意选择 k 个对象作为初始聚类中心；而对于所剩下其它对象，则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类；然后再计算每个所获新聚类的聚类中心（该聚类中所有对象的均值）；不断重复这一过程直到标准测度函数开始收敛为止。-k-means algorithm process as follows: First of all, the object data from the n choose k object as initial cluster centers and the remaining for the other object, then according to their cluster center with those of the similarity (distance) respectively assigned to them with the most similar (represented by cluster center) clustering obtained and then calculated for each new cluster center clustering (all objects in the cluster mean) repeated this process until the standard measure of function until the beginning of convergence.
- 2023-07-14 07:15:02下载
- 积分：1
