杜利特分解中选定的主要元素的数值分析…

Shinling&Minhash算法，适用于大数据技术。广工的课程设计，实验报告源文件可参考，原创，感谢分享

拉瓦尔喷管是推力室的重要组成部分。喷管的前半部是由大变小向中间收缩至一个窄喉。窄喉之后又由小变大向外扩张至箭底。箭体中的气体受高压流入喷嘴的前半部，穿过窄喉后由后半部逸出。这一架构可使气流的速度因喷截面积的变化而变化，使气流从亚音速到音速，直至加速至跨音速。所以，人们把这种喇叭形喷管叫跨音速喷管。由于它是瑞典人拉瓦尔发明的，因此也称为"拉瓦尔喷管"。拉法尔的激波捕捉是一个难点。

最新模拟图书馆算法-latest simulation algorithm library

算法 广度优先搜索、深度优先搜索等。 数据结构课程、算法分析内会使用到的有关算法、结构的建立。 包括广度优先搜索、深度优先搜索、广义表、树结构、队列建立等。

崭新矢量机SVM源码，IEEE上发表，技术有一定帮助-New vector machine SVM source, IEEE published, technology has certainly helped

ACM模拟试题 明明的随机数 附件中有详细的题目要求和运行通过的源代码-ACM is clearly a random number of mock examination papers are detailed in the annex to the subject requirements and run through the source code

KMEANS 利用两相的迭代算法来减少点到形心的距离，K 的所有群集的都总和的总和。第一阶段使用文献通常描述作为"批"的更新，每次迭代组成的就是重新分配到他们最近的群集质心点一下子，紧接着簇中心的重新计算。这一阶段可以看作是提供速度快，但可能只有近似解作为起始点，第二阶段。第二阶段使用文献通常描述作为"上线"的更新，在那里点单独重新分配如果这样做会降低的距离，总和和簇中心则在每个重新分配后重新计算。在这第二个阶段的每次迭代包含一通虽然所有的点。KMEANS 可以收敛于局部最优解，在这种情况下是在哪个移动到不同的群集的任何单点增加的距离总和的点的一个分区。这个问题只能是解决了起始点的聪明 （或幸运，或详尽无遗） 的选择。IDX 分为不同的 K 组 = KMEANS （X、 K） 分区 N 由 P 数据矩阵 X 中的点。此分区减少总和，在所有的群集，群集内款项的点到聚类质心的距离。X 行对应于点、 变量对应的列。KMEANS 返回 N 由 1 向量 IDX 包含每个点的聚类指数。默认情况下，KMEANS 使用平方欧氏距离。

Floyed算法void floyed(void)// a[i][j]表示结点i到结点j的最短路径长度，初始时值为的权值。{for(int k=1;k

一个用vc编写的调度算法程序-vc prepared with a scheduling algorithm procedures

此为51单片机的点阵的c代码，实现基本的点阵功能，适合初学者。在看此程序前，你最基本要会c语言，虽然此代码不难，但比必须懂c语言。想学习单片机的人，可以下载来看看，因为这个适合入门