代码搜索：大数分解
找到约 4,750 项符合「大数分解」的源代码
代码结果 4,750
www.eeworm.com/read/268860/11117841
m examp13_2.m
clc;
clear;
% 当前延拓模式是补零
% 产生高斯白噪声
init = 2055415866; randn('seed',init);
x = randn(1,1000);
% 使用db3小波对x进行2层分解
[c,l] = wavedec(x,2,'db3');
% 在第1层和第2层估计系数的标准差
% 既然x是方差为1的高斯白噪声，那么估计值应接近1
sd1=w
www.eeworm.com/read/266227/11235949
m eig_qr.m
function r=eig_qr(A)
%qr方法计算矩阵特征值
A=hessenberg(A);
%将矩阵转化为上Hessenberg矩阵
[q1,r1]=qr_decomposition(A);
%对上Hessenberg矩阵进行qr分解，直到得到的新矩阵的对角线元素趋近于其特征值
A1=r1*q1;
[q2,r2]=qr_decomposition(A1);
A2=r2*q
www.eeworm.com/read/300378/13916716
m program_13_02.m
% 当前延拓模式是补零
% 产生高斯白噪声
init = 2055415866; randn('seed',init);
x = randn(1,1000);
% 使用db3小波对x进行2层分解
[c,l] = wavedec(x,2,'db3');
% 在第1层和第2层估计系数的标准差
% 既然x是方差为1的高斯白噪声，那么估计值应接近1
sd1=wnoisest(c,l,1:
www.eeworm.com/read/235003/14089259
m examp13_2.m
clc;
clear;
% 当前延拓模式是补零
% 产生高斯白噪声
init = 2055415866; randn('seed',init);
x = randn(1,1000);
% 使用db3小波对x进行2层分解
[c,l] = wavedec(x,2,'db3');
% 在第1层和第2层估计系数的标准差
% 既然x是方差为1的高斯白噪声，那么估计值应接近1
sd1=w
www.eeworm.com/read/203579/15355490
m ztc.m
function [codes,len,pic]=ztc(pic,scale,T)
%用法:[codes,len,pic]=ztc(pic,scale,T)
%功能：对scale级小波分解后的图像pic作零树编码，阈值为T
%对于大于阈值的点作量化编码处理，使量化误差控制在4以下
%结果codes为code_length*M_step*N_step的三维矩阵,存编码结果
%len为M_s
www.eeworm.com/read/166441/10021125
txt 99年上午试卷（高程）.txt
试题１
从供选择的答案中。选出应填入下面叙述中＿?＿内的最确切的解答，把相应编号写在答卷的对应栏内。
结定结点的关键字序列（Ｆ、Ｂ、Ｊ、Ｇ、Ｅ、Ａ、Ｉ、Ｄ、Ｃ、Ｈ），对它按字母的字典顺序进行排列，采用不同方法，其最终结果相同。但中间结果是不同的。
Shell排序的第一趟扫描（步长为５）结果应为＿Ａ＿。
冒泡排序（大数下沉）的第一趟起泡的效果是＿B＿．
快速排序的第一趟 ...
www.eeworm.com/read/118876/14850887
txt 99年上午试卷（高程）.txt
试题１
从供选择的答案中。选出应填入下面叙述中＿?＿内的最确切的解答，把相应编号写在答卷的对应栏内。
结定结点的关键字序列（Ｆ、Ｂ、Ｊ、Ｇ、Ｅ、Ａ、Ｉ、Ｄ、Ｃ、Ｈ），对它按字母的字典顺序进行排列，采用不同方法，其最终结果相同。但中间结果是不同的。
Shell排序的第一趟扫描（步长为５）结果应为＿Ａ＿。
冒泡排序（大数下沉）的第一趟起泡的效果是＿B＿．
快速排序的第一趟 ...
www.eeworm.com/read/107604/15604763
txt 99年上午试卷（高程）.txt
试题１
从供选择的答案中。选出应填入下面叙述中＿?＿内的最确切的解答，把相应编号写在答卷的对应栏内。
结定结点的关键字序列（Ｆ、Ｂ、Ｊ、Ｇ、Ｅ、Ａ、Ｉ、Ｄ、Ｃ、Ｈ），对它按字母的字典顺序进行排列，采用不同方法，其最终结果相同。但中间结果是不同的。
Shell排序的第一趟扫描（步长为５）结果应为＿Ａ＿。
冒泡排序（大数下沉）的第一趟起泡的效果是＿B＿．
快速排序的第一趟 ...
www.eeworm.com/read/372477/9508858
m gadecod.m
% 将遗传算法的编码分解为BP网络所对应的权值、阈值
function [W1, B1, W2, B2, P, T, A1, A2, SE, val]=gadecod(x)
[P,T,R,S1,S2,S]=nninit;
% 前R*S1个编码为W1
for i=1:S1,
for k=1:R,
W1(i,k)=x(R*(i-1)+k);
end
e
www.eeworm.com/read/366083/9833416
m gadecod.m
% 将遗传算法的编码分解为BP网络所对应的权值、阈值
function [W1, B1, W2, B2, P, T, A1, A2, SE, val]=gadecod(x)
[P,T,R,S1,S2,S]=nninit;
% 前R*S1个编码为W1
for i=1:S1,
for k=1:R,
W1(i,k)=x(R*(i-1)+k);
end
e