图解算法
电子书推荐
-
[麻省理工学院-算法导论].Introduction.to.Algorithms.-.Test.rar 评分:
[麻省理工学院-算法导论].Introduction.to.Algorithms.-.Test.rar
上传时间:2019-08 大小:613KB
- 1.19MB
[麻省理工学院-算法导论].Introduction.to.Algorithms.-.Test
2009-05-15[麻省理工学院-算法导论].Introduction.to.Algorithms.-.Test
- 610KB
[麻省理工学院-算法导论].Introduction.to.Algorithms.-.Test.
2009-04-26[麻省理工学院-算法导论].Introduction.to.Algorithms.-.Test.部分
- 1.39MB
[麻省理工学院-算法导论].Introduction.to.Algorithms.-.Homework.rar
2019-08-20[麻省理工学院-算法导论].Introduction.to.Algorithms.-.Homework.rar
- 8.2MB
麻省理工学院-算法导论
2008-04-01我打了一个包,里面包括这些内容: [麻省理工学院-算法导论].Introduction.to....算法导论].Introduction.to.Algorithms.-.Lecture.Notes.rar [麻省理工学院-算法导论].Introduction.to.Algorithms.-.Test.rar
- 17.88MB
[麻省理工学院-算法导论].Introduction.to.Algorithms
2009-08-03[麻省理工学院-算法导论].Introduction.to.Algorithms.-.Test.rar
- 9.76MB
麻省理工学院.算法导论.03
2008-04-28算法导论 <br>Introduction.To.Algorithms.2nd.Edition - CHM格式 Introduction.to.Algorithms.中文版 - PDF格式 Introduction.To.Algorithms.Instructor.Manual - PDF格式 Introduction.To....
- 9.76MB
麻省理工学院.算法导论.part4
2008-04-28算法导论 <br>Introduction.To.Algorithms.2nd.Edition - CHM格式 Introduction.to.Algorithms.中文版 - PDF格式 Introduction.To.Algorithms.Instructor.Manual - PDF格式 Introduction.To....
- 9.76MB
麻省理工学院.算法导论
2008-04-28算法导论 <br>Introduction.To.Algorithms.2nd.Edition - CHM格式 Introduction.to.Algorithms.中文版 - PDF格式 Introduction.To.Algorithms.Instructor.Manual - PDF格式 Introduction.To....
- 33.26MB
Introduction.to.Algorithms.-.算法导论
2009-10-02Introduction.to.Algorithms.-.Introduction.to.Algorithms.-.Introduction.to.Algorithms.-.Introduction.to.Algorithms.-.Introduction.to.Algorithms.-.Introduction.to.Algorithms.-.Introduction.to.Algorithms.-.Introduction.to.Algorithms.-.Introduction.to.Algorithms.-.Introduction.to.Algorithms.-.Introduction.to.Algorithms.-.Introduction.to.Algorithms.-.Introduction.to.Algorithms.-.Introduction.to.Algorithms.-.
- 1.38MB
麻省理工学院-算法导论].Introduction.to.Algorithms.-.Homework
2017-03-19麻省理工学院算法导论课后作业英文版
- 59.51MB
算法导论资料
2012-04-25经典算法书《算法导论》的资料,包括中文高清扫描第二版,英文高清打印版第三版,以及第二版的答案,MIT的开放课程视频的lecture note, homework,instructor manual以及test,算是比较全了,辛苦收集的哦~~
- 161KB
第十五届蓝桥杯大赛软件赛省赛-C/C++ 研究生组
2024-04-13第十五届蓝桥杯大赛软件赛省赛_C/C++ 研究生组
- 22KB
VRPTW 的 Solomon 标准测试数据集
2023-11-27CVRP问题下的VRPTW变体的测试数据集,常用来测试验证算法性能
- 6.54MB
最值得收藏的 数据结构 全部知识点思维导图整理(王道考研), 附带经典题型整理.emmx
2021-03-27用mindmaster打开文件, 本文的思维导图根据王道的数据结构书本整理而来并标记出重点内容,包括了知识点和部分课后习题
- 1.66MB
数学建模国赛:无人机遂行编队飞行中的纯方位无源定位分析
2023-07-29国家二等奖获奖论文。本文基于平面几何分析以及正弦定理建立了三角分区定位模型,针对发射与接收信号的 无人机的相对位置不同的问题,提出了分区控制算法,并结合三角形相似定理和控制变量的 思想,提出了互反馈方位调整模型。 对于问题一的第一小问,利用三角分区定位模型、以及分区控制算法对接收信号的无人 机进行定位,该定位模型适用于所有包含 FY00 在内的任意三架无人机发射信号进行定位的 情况,即编号为 FY00、FY01、FY0M(M∈{2,3,4,5,6,7,8,9})的无人机发射信号, 当队列中某架飞机 FY0N 接收到的方向信息为?、?、?(?、?、?的定义见符号说明),根 据各个区间的的无人机之间的平面几何关系,可以得到各个区域的无人机的位置信息的关于 (?、θ)的通解公式(见正文 5.1.2 公式(9)(10)(11)(12)),之后再利用分区控制 算法分别对各个区域对应的通解公式进行求解,即可得到队列中任意无人机的位置信息。
- 4KB
利用SVM(支持向量机)进行图像分割/提取-MATLAB
2023-06-15利用SVM(支持向量机)进行图像分割/提取。对给定的图像进行分割,将图像中的需要的区域和背景区域进行区分,并生成相应的分割图像和边界图像。
- 7KB
变分模态分解(VMD)代码
2022-03-26VMD算法的原matlab原代码 在代码中本人添加了详细的注释,看源代码期间配合本人发表的博客会实现VMD的快速入门
- 644.62MB
PSG 3D 三维测绘系统
2023-04-14裸眼三维测绘系统
- 0B
origin2021下载免费分享
2022-11-14origin2021 下载途径:百度网盘、阿里云盘下载
- 265KB
最新版Notepad++十六进制查看的插件x64HexEditor0.9.12
2023-09-27最新版Notepad++十六进制查看的插件
- 4.66MB
《Spring Cloud Alibaba 从入门到实战》.pdf
2021-03-10《Spring Cloud Alibaba 从入门到实战》
- 11.28MB
数据资产管理实践白皮书6.0
2023-05-18来源:信通院云大所 信通院数据资产管理实践白皮书6.0》是一份深入探讨数据资产管理(DAM)的权威指南,为组织提供了一套全面的理论和实践框架。本白皮书由信通院专家团队撰写,内容涵盖了数据资产的定义、分类、管理流程以及在现代企业中的应用策略。 内容概要: 白皮书首先定义了数据资产的概念,阐释了其在企业中的价值和重要性。接着,详细介绍了数据资产的生命周期管理,包括数据的识别、分类、整合、质量控制、安全保护和价值实现等关键环节。此外,还探讨了数据资产管理的组织架构、技术工具和标准规范。 通过阅读本白皮书,读者将获得以下知识: 数据资产管理的核心原则和实践方法。 如何构建有效的数据资产管理体系,以支持企业的业务决策和运营效率。 数据资产评估、监测和优化的技术手段。 数据安全和合规性管理的最佳实践。 行业案例分析,了解不同企业如何通过数据资产管理提升竞争力。 面对数据资产管理挑战时的解决策略和建议。 《信通院数据资产管理实践白皮书6.0》是数据管理人员、IT专业人士、企业决策者以及对数据驱动决策感兴趣的学者和研究人员的宝贵资源,旨在帮助组织更好地理解和利用其数据资产,实现数据的最大价值
- 60KB
采用K-means聚类,实现多维矩阵的聚类,并进行可视化展示(matlab)
2019-03-05我的数据是115*64维的,需要进行聚类操作,于是自己动手进行了实验,运用的是matlab语言,最后选取部分进行可视化展示,效果还不错。(代码注释完整)
- 359KB
秋招面试python很全的八股文总结
2023-04-26亲身总结的python八股文适合秋招找算法、软件类工作的同学的面试经验
- 42.8MB
最全PyCharm 中文使用手册.pdf
2021-01-08最全PyCharm 中文使用手册,python环境编译器
- 19KB
Pearson相关性分析
2024-05-15分析流程 数据源: 新建 Microsoft Excel 工作表-Sheet1_副本(2).xlsx 算法配置: 算法: Pearson相关性分析 变量: 变量X:{ 浓度,发芽率 } 分析结果: Pearson相关性分析图表说明: 上表展示了模型检验的参数结果表,包括了相关系数、显著性P值。 1. 先对XY之间是否存在统计上的显著性关系进行检验,判断P值是否呈现显著性(P<0.05)。 2. 若呈现显著性,则说明两变量之间存在相关性,反之,则两变量之间不存在相关性。 3. 分析相关系数的正负向以及相关性程度。