银行储蓄系统

研究生期间上《数值计算方法》课的作业，所有代码都是C语言实现并调试通过，现在上传为大家服务。这是Jacobi算法-Jacobi algorithm with C language

高斯混合模型（GMM）算法利用matlab实现，主函数信息如下：%   emgmm：GMM参数生成函数%   Input：%              Data：      D x N ，N个D维数据%              Alpha0： Gauss模型的权重初始值%              Mu0：      D x M，Gauss模型的中心初始值%              Sigma0：Gauss模型的方差初始值（假设每个方差矩阵都是对角阵， 即一个数和单位矩阵的乘积）%              loglikthreshold：EM迭代停止条件%   Output：%              [Alpha, Mu, Sigma]：高斯混合模型参数

本程序为通信中，租赁系统的仿真程序，对于研究租赁系统的人十分有用

输入： %x = 输入的图像 （灰度或 rgb，请期待很长时间处理，如果图像大小很大） %hs = 空间内核的带宽 （见 Eq.(35) 在被引用的文件中） %hr = 功能内核的带宽 （见 Eq.(35) 在被引用的文件中） %th = 收敛判据的阈值 （默认值 =.25) %ploton = 开关打开/关闭图像显示的中间结果 （默认值 = 1) % %输出：

C语言程序代码中的欧姆定律示例

应用背景md5的典型应用是对一段信息（message）产生信息摘要（message-digest），以防止被篡改。比如，在unix下有很多软件在下载的时候都有一个文件名相同，文件扩展名为.md5的文件，在这个文件中通常只有一行文本，大致结构如：  md5 (tanajiya.tar.gz) = 0ca175b9c0f726a831d895e269332461 这就是tanajiya.tar.gz文件的数字签名。md5将整个文件当作一个大文本信息，通过其不可逆的字符串变换算法，产生了这个唯一的md5信息摘要。如果在以后传播这个文件的过程中，无论文件的内容发生了任何形式的改变（包括人为修改或者下载过程中线路不稳定引起的传输错误等），只要你对这个文件重新计算md5时就会发现信息摘要不相同，由此可以确定你得到的只是一个不正确的文件。如果再有一个第三方的认证机构，用md5还可以防止文件作者的"抵赖"，这就是所谓的数字签名应用。  md5还广泛用于加密和解密技术上。比如在unix系统中用户的密码就是以md5（或其它类似的算法）经加密后存储在文件系统中。当用户登录的时候，系统把用户输入的密码计算成md5值，然后再去和保存在文件系统中的md5值进行比较，进而确定输入的密码是否正确。通过这样的步骤，系统在并不知道用户密码的明码的情况下就可以确定用户登录系统的合法性。这不但可以避免用户的密码被具有系统管理员权限的用户知道，而且还在一定程度上增加了密码被破解的难度。  正是因为这个原因，现在被黑客使用最多的一种破译密码的方法就是一种被称为"跑字典"的方法。有两种方法得到字典，一种是日常搜集的用做密码的字符串表，另一种是用排列组合方法生成的，先用md5程序计算出这些字典项的md5值，然后再用目标的md5值在这个字典中检索。我们假设密码的最大长度为8位字节（8 bytes），同时密码只能是字母和数字，共26+26+10=62个字符，排列组合出的字典的项数则是p(62,1)+p(62,2)….+p(62,8)，那也已经是一个很天文的数字了，存

快速查找：应用递归排序的例子- Quick look: Application recursion arrangement example

把华氏温度与摄氏温度的互相转换。。。随便输入一个华氏温度值或是摄氏温度值。。该程序都可以轻松得将其转化了相应的摄氏或华氏温度-put Fahrenheit temperature and Celsius temperature interchangeable. . . The importation of a casual Fahrenheit or Celsius temperature temperature. . The program can quickly and easily be translated into the corresponding Celsius or Fahrenheit temperature

研究生期间上《数值计算方法》课的作业，所有代码都是C语言实现并调试通过，现在上传为大家服务。这是拉哥朗日算法-Lagrange algorithm with C language

模糊聚类分析作为无监督机器学习的主要技术之一，是用模糊理论对重要数据分析和建模的方法，建立了样本类属的不确定性描述，能比较客观地反映现实世界，它已经有效地应用在大规模数据分析、数据挖掘、矢量量化、图像分割、模式识别等领域，具有重要的理论与实际应用价值，随着应用的深入发展，模糊聚类算法的研究不断丰富。在众多模糊聚类算法中，模糊C-均值（ FCM） 算法应用最广泛且较成功C,本算法用了几十个随机点的聚类来简单的阐述C++算法的基本原理,