代码搜索：计步
找到约 7,190 项符合「计步」的源代码
代码结果 7,190
www.eeworm.com/read/126702/6014558
java~2~ stdemo.java~2~
package stringtokenizer;
/**
对文本的处理经常包括对格式化的输入字符串进行语法分析。语法分析（Parsing）将
文本划分为一组不连续的部分，或标记（tokens），在一个确定的序列中，标记可以表达语
义。StringTokenizer类提供了语法分析处理的第一步。经常被称为lexer（词法分析程序）或
scanner（扫描程序）。StringTo ...
www.eeworm.com/read/486797/6529421
m diffparam1.m
function r=DiffParam1(F,x0,h,N)
%非线性方程组：f
%初始解：x0
%数值微分增量步大小：h
%雅可比迭代参量:l
%解的精度：eps
%求得的一组解：r
%迭代步数：n
x0 = transpose(x0);
n = length(x0);
ht = 1/N;
Fx0 = subs(F,findsym(F),x0);
for k=
www.eeworm.com/read/486797/6529434
m diffparam2.m
function r=DiffParam2(F,x0,h,N)
%非线性方程组：f
%初始解：x0
%数值微分增量步大小：h
%雅可比迭代参量:l
%解的精度：eps
%求得的一组解：r
%迭代步数：n
x0 = transpose(x0);
n = length(x0);
ht = 1/N;
Fx0 = subs(F,findsym(F),x0);
J = zero
www.eeworm.com/read/476728/6748860
m diffparam1.m
function r=DiffParam1(F,x0,h,N)
%非线性方程组：f
%初始解：x0
%数值微分增量步大小：h
%雅可比迭代参量:l
%解的精度：eps
%求得的一组解：r
%迭代步数：n
x0 = transpose(x0);
n = length(x0);
ht = 1/N;
Fx0 = subs(F,findsym(F),x0);
for k=
www.eeworm.com/read/476728/6748863
m diffparam2.m
function r=DiffParam2(F,x0,h,N)
%非线性方程组：f
%初始解：x0
%数值微分增量步大小：h
%雅可比迭代参量:l
%解的精度：eps
%求得的一组解：r
%迭代步数：n
x0 = transpose(x0);
n = length(x0);
ht = 1/N;
Fx0 = subs(F,findsym(F),x0);
J = zero
www.eeworm.com/read/264968/11292388
txt readme.txt
程序说明：
Form1.cs是应用聚类算法DBSCAN (Density-Based Spatical Clustering of Application with Noise)的示例，可以通过两个参数EPS和MinPts调节聚类。
DBSCAN.cs是实现文件，聚类算法的进一步信息请参考“数据挖掘”或者相关书籍
聚类示例数据来自于sxdb.mdb，一个Access数据库。
Eri
www.eeworm.com/read/262578/11399538
m distant.m
function [ data_temp ] = distant(r1, r2, data, x, lei, k)
%=====这是relief算法的第三步function [w , m] = weight( r1, r2, data )中的一个子函数。
%=====函数功能：针对样本x找到一个m×2k的阵
%=====方法：计算每个特征的类内和类间距离。此处为：欧氏距离。（可根据需要选择不
www.eeworm.com/read/405565/11460414
m diffparam1.m
function r=DiffParam1(F,x0,h,N)
%非线性方程组：f
%初始解：x0
%数值微分增量步大小：h
%雅可比迭代参量:l
%解的精度：eps
%求得的一组解：r
%迭代步数：n
x0 = transpose(x0);
n = length(x0);
ht = 1/N;
Fx0 = subs(F,findsym(F),x0);
for k=
www.eeworm.com/read/405565/11460427
m diffparam2.m
function r=DiffParam2(F,x0,h,N)
%非线性方程组：f
%初始解：x0
%数值微分增量步大小：h
%雅可比迭代参量:l
%解的精度：eps
%求得的一组解：r
%迭代步数：n
x0 = transpose(x0);
n = length(x0);
ht = 1/N;
Fx0 = subs(F,findsym(F),x0);
J = zero
www.eeworm.com/read/345536/11809741
txt readme.txt
程序说明：
Form1.cs是应用聚类算法DBSCAN (Density-Based Spatical Clustering of Application with Noise)的示例，可以通过两个参数EPS和MinPts调节聚类。
DBSCAN.cs是实现文件，聚类算法的进一步信息请参考“数据挖掘”或者相关书籍
聚类示例数据来自于Iris.mdb，一个Access数据库。
由于分类数据值