登录
首页 » 算法 » 棋盘覆盖,不错的

棋盘覆盖,不错的

于 2022-03-22 发布 文件大小:4.04 kB
0 199
下载积分: 2 下载次数: 1

代码说明:

棋盘覆盖,不错的-chessboard coverage, good

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • 打开bmp图
    打开bmp图程序,精简!vc环境使用CDib类打开bmp格式图片的工程,可运行。
    2022-07-20 05:31:44下载
    积分:1
  • 二叉树排序输出
    应用背景 此算法容易被理解,运用,或会有更大的利用价值,用于实际生活中,例如甲地到达乙地,可以用此二叉树发现不同路线供使用人使用。或正在学习有关二叉树的初学者们使用,此代码更容易被初学者学习和使用,此代码是用五个节点,也可以发展到更多的节点。 关键技术 用五个节点的二叉树的排序输出,涉及到先序便利,中序便利,后序便利,运用六个节点使用其相应的便利方式是问题得到不同的方案,二叉树进行展示,可以用于三种二叉树学习,用于实际生活中,例如甲地到达乙地,可以用此二叉树发现不同路线供使用人使用。
    2022-09-01 01:35:03下载
    积分:1
  • 列选主元的Gauss消去
    列选主元的Gauss消去法-out how the PCA Gaussian Elimination
    2022-12-23 12:50:03下载
    积分:1
  • Procedure: All the main element Gauss elimination process: gaussq (aa, bb, xx, n...
    程序:全主元Gauss消去法 过程:gaussq(aa,bb,xx,n,sgn) 作用:aa为系数矩阵,bb为右端向量,xx为解向量,n为方程阶数,sgn为标识符,1表示计算正常进行,0表示计算失败 方程形式为:aa(n,n)*x(n)=bb(n)-Procedure: All the main element Gauss elimination process: gaussq (aa, bb, xx, n, sgn) Role: aa for the coefficient matrix, bb for the right-hand side vector, xx for the solution vector, n the order of the equation, sgn as identifiers, 1 indicates the calculation as normal, 0 indicates failure of the calculation equation of the form: aa (n, n)* x (n) = bb (n)
    2023-02-27 01:55:03下载
    积分:1
  • signal processing of time
    时频富FFT的信号处理
    2022-11-03 13:25:03下载
    积分:1
  • 1 读入一个整数,将各个数位上的数拆分下来并输出(从高位到低位)。
    1 读入一个整数,将各个数位上的数拆分下来并输出(从高位到低位)。
    2022-01-22 07:49:13下载
    积分:1
  • 在C + +的链接列表
    您可以添加整数列表并在屏幕上打印。如果你想的话,你可以先添加,后添加,再反向添加。
    2023-02-23 18:20:03下载
    积分:1
  • VC++图像处理与识别实用案例精选
    应用背景当前图像处理技术处于热门段,本程序介绍了用VC程序如何进行图像处理与识别关键技术VC++图像处理与识别实用案例。。。。。。。。。。。。。。。。。。。。。。。
    2023-09-03 20:10:05下载
    积分:1
  • 问题分类
    TF-IDF(term frequency–inverse document frequency)是一种用于资讯检索与资讯探勘的常用加权技术, TFIDF的主要思想是:如果某个词或短语在一篇文章中出现的频率TF高,并且在其他文章中很少出现,则认为此词或者短语具有很好的类别区分能力,适合用来分类。TFIDF实际上是:TF * IDF,TF词频(Term Frequency),IDF反文档频率(Inverse Document Frequency)。TF表示词条在文档d中出现的频率。IDF的主要思想是:如果包含词条t的文档越少,也就是n越小,IDF越大,则说明词条t具有很好的类别区分能力。如果某一类文档C中包含词条t的文档数为m,而其它类包含t的文档总数为k,显然所有包含t的文档数n=m + k,当m大的时候,n也大,按照IDF公式得到的IDF的值会小,就说明该词条t类别区分能力不强。但是实际上,如果一个词条在一个类的文档中频繁出现,则说明该词条能够很好代表这个类的文本的特征,这样的词条应该给它们赋予较高的权重,并选来作为该类文本的特征词以区别与其它类文档。这就是IDF的不足之处。
    2022-02-24 18:34:48下载
    积分:1
  • 空间5阶WENO格式 时间3阶RK格式
    空间5阶WENO格式 时间3阶RK格式 
    2022-09-18 01:00:03下载
    积分:1
  • 696516资源总数
  • 106914会员总数
  • 0今日下载