-
keccak实现的sha3
资源描述这是用C语言实现的hash算法,sha3。这是用C语言实现的hash算法,sha3。这是用C语言实现的hash算法,sha3。这是用C语言实现的hash算法,sha3
- 2022-03-23 17:02:24下载
- 积分:1
-
微分进化的多个实现
创建此库是为了给一个真正编码优化使用差分进化的框架。具体而言,本库在德实现共六种方法与最新方法。* 德: 基本差分进化。该算法允许使用 6 不同的变异策略和 3 交叉算子。*: 美国 Rahnamayan,H.Tizhoosh,M.萨拉马,反对基于微分进化,进化计算 12 (1) 上的 IEEE 交易记录 (2008 年) 64-79。* 萨德: A.K.秦、 五、 黄琳、 P.N.Suganthan、 与战略相适应的全局数值优化,进化计算 13 (2) 汇刊的差分进化算法 (2009 年) 398 – 417。* 玉: J.张、 A.C.桑德森,玉: 自适应差分进化与可选的外部归档,进化计算 13 (5) 汇刊 (2009 年) 945 — — 958。* DEGL: S.Das,亚伯拉罕,美国 K.查克拉博蒂、 A.纳尔,使用基于邻域的变异算子,进化计算 13 (3) 汇刊的差分进化 (2009 年) 526 – 553。* SFSLDE: F.内里,V.Tirronen 规模因子局部搜索在微分进化中,模计算 1 (2) (2009) 153-171。此库的目的是让研究人员把重点放在其德,避免多次作出相同的代码为每个德。此库已能够在不同的平台上运行。
- 2022-02-24 10:02:12下载
- 积分:1
-
json 完美解析代码
JSON(JavaScript Object Notation) 是一种轻量级的数据交换格式。它基于JavaScript(Standard ECMA-262 3rd Edition - December 1999)的一个子集。 JSON采用完全独立于语言的文本格式,但是也使用了类似于C语言家族的习惯(包括C, C++, C#, Java, JavaScript, Perl, Python等)。这些特性使JSON成为理想的数据交换语言。易于人阅读和编写,同时也易于机器解析和生成。
利用这个库,可以和你的c/c++应用无缝集成
- 2023-04-24 04:55:02下载
- 积分:1
-
C语言写的C++词法分析器
词法分析程序可以分析在C语言中:标识符(以字母或下划线,后面可以是字母数字字符或下划线)说明:(1)[]中的分隔符,没有给出,在这里? :sizeof运算也没给出11种分隔符32种关键字使用转换表的设计,运算速度的程序,我还可以识别每个符号的数量。这一方案与VS2010 MFC的设计,欢迎大家下载分享
- 2022-11-29 07:35:04下载
- 积分:1
-
计算理论的经典算法,将确定型有穷自动机最简化,根据等价类的算法用vc实现化简过程。...
计算理论的经典算法,将确定型有穷自动机最简化,根据等价类的算法用vc实现化简过程。-classical theory calculation algorithm, will determine type DFA most simplified, according to the algorithm equivalence classes with vc achieve simplification process.
- 2022-05-24 06:24:10下载
- 积分:1
-
Voronoi 图
执行的 voronoi 图在 javascript 中,它用来分发农技团在某一特定的区域 ; 在地图上画出 voronoi 图单元格中的每个点代表一台机器。
- 2022-03-15 03:13:55下载
- 积分:1
-
哈弗曼压缩
huffuman压缩是一种无损压缩,本程序采用huffuman算法,利用最建树,并利用哈希表,加快寻找各结点效率,压缩在百分之八十
- 2022-02-14 05:57:36下载
- 积分:1
-
adaptive vector algorithm (VQ) source VQ
自适应矢量化算法(VQ)源程序VQ-adaptive vector algorithm (VQ) source VQ
- 2022-03-02 02:15:11下载
- 积分:1
-
链表的快速排序法
链表的快速排序法-List`s quick sort
- 2022-03-07 17:41:24下载
- 积分:1
-
C4.5—运用JAVA实现的决策树算法
C4.5是一系列用在机器学习和数据挖掘的分类问题中的算法。它的目标是监督学习:给定一个数据集,其中的每一个元组都能用一组属性值来描述,每一个元组属于一个互斥的类别中的某一类。C4.5的目标是通过学习,找到一个从属性值到类别的映射关系,并且这个映射能用于对新的类别未知的实体进行分类。
C4.5由J.Ross Quinlan在ID3的基础上提出的。ID3算法用来构造决策树。决策树是一种类似流程图的树结构,其中每个内部节点(非树叶节点)表示在一个属性上的测试,每个分枝代表一个测试输出,而每个树叶节点存放一个类标号。一旦建立好了决策树,对于一个未给定类标号的元组,跟踪一条有根节点到叶节点的路径,该叶节点就存放着该元组的预测。决策树的优势在于不需要任何领域知识或参数设置,适合于探测性的知识发现。
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
- 2022-03-11 00:16:44下载
- 积分:1