第 1 章 绪论 1．简述下列概念：数据、数据元素、数据项、数据对象、数据结构、逻辑结构、存储结 构、抽象数据类型。 答案： 数 据 ：是客观事物的符号表示，指所有能输入到计算机中并被计算机程序处理的符号的 总称。如数学计算中用到的整数和实数，文本编辑所用到的字符串，多媒体程序处理的图形、 图像、声音、动画等通过特殊编码定义后的数据。 数据元素 ：是数据的基本单位，在计算机中通常作为一个整体进行考虑和处理。在有些 情况下，数据元素也称为元素、结点、记录等。数据元素用于完整地᧿述一个对象，如一个 学生记录，树中棋盘的一个格局（状态）、图中的一个顶点等。 数据项 ：是组成数据元素的、有独立含义的、不可分割的最小单位。例如，学生基本信 息表中的学号、姓名、性别等都是数据项。 数据对象 ：是性质相同的数据元素的集合，是数据的一个子集。例如：整数数据对象是 集合 N={0，±1，±2，…}，字母字符数据对象是集合 C={
标签： 数据结构
上传时间： 2017-01-03
上传用户：xialong1997
K-Means算法是最古老也是应用最广泛的聚类算法，它使用质心定义原型，质心是一组点的均值，通常该算法用于n维连续空间中的对象。 K-Means算法流程 step1：选择K个点作为初始质心 step2：repeat 将每个点指派到最近的质心，形成K个簇 重新计算每个簇的质心 until 质心不在变化 例如下图的样本集，初始选择是三个质心比较集中，但是迭代3次之后，质心趋于稳定，并将样本集分为3部分 我们对每一个步骤都进行分析 step1：选择K个点作为初始质心 这一步首先要知道K的值，也就是说K是手动设置的，而不是像EM算法那样自动聚类成n个簇 其次，如何选择初始质心 最简单的方式无异于，随机选取质心了，然后多次运行，取效果最好的那个结果。这个方法，简单但不见得有效，有很大的可能是得到局部最优。 另一种复杂的方式是，随机选取一个质心，然后计算离这个质心最远的样本点，对于每个后继质心都选取已经选取过的质心的最远点。使用这种方式，可以确保质心是随机的，并且是散开的。 step2：repeat 将每个点指派到最近的质心，形成K个簇 重新计算每个簇的质心 until 质心不在变化 如何定义最近的概念，对于欧式空间中的点，可以使用欧式空间，对于文档可以用余弦相似性等等。对于给定的数据，可能适应与多种合适的邻近性度量。
上传时间： 2018-11-27
上传用户：1159474180
计算Hilbert边际谱，可以运算大容量的数据
上传时间： 2019-07-08
上传用户：cjp634
P-Ⅲ型频率分析计算，按照模板导入频率原始数据，自动生成频率曲线
上传时间： 2019-11-17
上传用户：zghbxb
5G中的SDN-NFV和云计算.pdf摘 要 通过介绍广义的SDN/NFV和云计算，结合未来5G网络的特点，分析了5G中上述技术的 应用前景和技术定位；结合5G的网络特点和现有网络的部署情况，总结了各技术间的逻辑关系以及运 营商的侧重点。引言 SDN/NFV 和云计算都是起源于 IT 领域的技术。 如今，云计算已经非常成熟，在 IT 领域已经大规模商 用，SDN技术作为新兴的转发技术，也已经被谷歌等互 联网巨头部署在多个数据中心。随着虚 拟化技术的发展，人们试图将更多的专有 设备虚拟化和软件化，从而达到降低成本 和灵活部署的目的，于是 NFV 的概念诞 生了。本文将结合广义上 3 种技术本身 的特点和未来5G的网络能力要求，分析 各技术在5G架构中的技术定位和前景， 同时结合实际的发展情况，总结未来运营 商在技术研发和业务模式上的侧重点。 1.1 广义的SDN及标准化进程 ONF 在 2012 年 4 月 发 布 白 皮 书 《Software- Defined Networking: The New Norm for Networks》
标签： 5G
上传时间： 2022-02-25
上传用户：jason_vip1
近些年来，云计算与移动云计算迅速发展，随之而来出现的问题是由于智能终端的数量和处理器计算能力能力的增加，越来越多的计算密集型应用应用被卸载到云端，这样就给核心网络造成很大的负载，从而不能满足那些对延迟敏感的应用，所以移动边缘计算就因此产生。它通过将计算、存储等资源部署在网络的边缘，能快速地处理任务并传输。但是由于用户终端的移动性，需要考虑的一个很重要的问题就是当服务厥量受到位置影响时应当采取什么措施。合理的计算切换能够很好地解决这个问题。在移动边缘计算中，什么时候进行计算切换以及切换到哪里是切换问题的关键。本文研究了计算切换的具体过程、影响计算切换的因素及管理体系，提出了计算切换的管理框架。在考虑任务完成时间、移动终端能耗和任务完成成本这些因素影响的基础上并根据切换管理的框架和具体的判决准则，提出了简单加权法、熵值法和基于理想解排序的这三种多属性决策计算切换筧法。最后在实验部分对这三种多属性决策计算切换算法进行仿真实验，在根据实验结果对三种算法的性能进行分析，然后再研究计算量与数据量变化对算法性能的影响。实验结果表明：采用多属性切换决策的方法要优于不切换和总是发生切换的决策，并且在多属性决策的方法中，班想解排序的方法要优于简单加权法和值法，并且任务的完成时间、移动终端能耗、和任务的执行成本随着终端移动速度的增大而有明显减少，说明基于阈值的判决准则和多属性切换决策算法适用于移动边缘计算中的计算切换。关键词：移动边缘计算：计算切换：判决准则；多属性决策
标签： 移动边缘计算
上传时间： 2022-03-11
上传用户：ttalli
统计学习基础:数据挖掘、推理与预测介绍了这些领域的一些重要概念。尽管应用的是统计学方法，但强调的是概念，而不是数学。许多例子附以彩图。《统计学习基础:数据挖掘、推理与预测》内容广泛，从有指导的学习（预测）到无指导的学习，应有尽有。包括神经网络、支持向量机、分类树和提升等主题，是同类书籍中介绍得最全面的。计算和信息技术的飞速发展带来了医学、生物学、财经和营销等诸多领域的海量数据。理解这些数据是一种挑战，这导致了统计学领域新工具的发展，并延伸到诸如数据挖掘、机器学习和生物信息学等新领域。许多工具都具有共同的基础，但常常用不同的术语来表达。【内容推荐】《统计学习基础:数据挖掘、推理与预测》试图将学习领域中许多重要的新思想汇集在一起，并且在统计学的框架下解释它们。随着计算机和信息时代的到来，统计问题的规模和复杂性都有了急剧增加。数据存储、组织和检索领域的挑战导致一个新领域“数据挖掘”的产生。数据挖掘是一个多学科交叉领域，涉及数据库技术、机器学习、统计学、神经网络、模式识别、知识库、信息提取、高性能计算等诸多领域，并在工业、商务、财经、通信、医疗卫生、生物工程、科学等众多行业得到了广泛的应用。【作者简介】Trevor Hastie,Robert Tibshirani和Jerome Friedman都是斯坦福大学统计学教授，并在这个领域做出了杰出的贡献。Hastie和Tibshirani提出了广义和加法模型，并出版专著“Generalized Additive Models”。Hastie的主要研究领域为：非参数回归和分类、统计计算以及生物信息学、医学和工业的特殊数据挖掘问题。他提出主曲线和主曲面的概念，并用S-PLUS编写了大量统计建模软件。Tibshirani的主要研究领域为：应用统计学、生物统计学和机器学习。他提出了套索的概念，还是“An Introduction to the Bootstrap”一书的作者之一。Friedman是CART、MARS和投影寻踪等数据挖掘工具的发明人之一。他不仅是位统计学家，而且是物理学家和计算机科学家，先后在物理学、计算机科学和统计学的一流杂志上表发论文80余篇。
标签： 统计
上传时间： 2022-05-04
上传用户：
《数据结构与算法分析C++描述》 (第3版)是数据结构和算法分析的经典教材，书中使用主流的程序设计语言C++作为具体的实现语言。书的内容包括表、栈、队列、树、散列表、优先队列、排序、不相交集算法、图论算法、算法分析、算法设计、摊还分析、查找树算法、k-d树和配对堆等。编辑推荐《数据结构与算法分析C++描述》(第3版)适合作为计算机相关专业本科生的数据结构课程和研究生算法分析课程的教材。本科生的数据结构课程可以使用本书第1章～第9章，多学时课程还可以讲解第10章；研究生算法分析课程可以使用第6章～第12章。作者简介作者：(美国)维斯 (Mark Allen Weiss) 译者：张怀勇 等Mark Allen Weiss，1987年在普林斯顿大学获得计算机科学博士学位，师从著名算法大师Robert Sedgewick，现任美国佛罗里达国际大学计算与信息科学学院教授。他曾经担任全美AP（Advanced Placement）考试计算机学科委员会的主席（2000-2004）。他的主要研究方向是数据结构，算法和教育学。
上传时间： 2022-05-12
上传用户：
根据环境中的温度，湿度，气压计算相关物理量的安卓手机的app，适用于暖风空调，烟气排放环保监控，动力环境监控等方面数据测量
标签： 湿度计算
上传时间： 2022-06-17
上传用户：
引言我们在选择和设计IGBT驱动器时经常会碰到一些问题和不确定因素。部分原因是厂家对IGBT描述的不够充分；另一方面是由于IGBT手册中所给的输入结电容Ciss值与在应用中的实际的输入结电容值相差甚远。依据手册中的Ciss值作设计，令许多开发人员走入歧途。下面给出了不同功率等级的驱动电路选择和设计的正确计算的步骤。1 确定IGBT门极电荷以及门极电容对于设计一个驱动器来讲，最重要的参数是门极电荷，在很多情况下，IGBT数据手册中这个参数没有给出，另外，门极电压在上升过程中的充电过程也未被描述。无论如何，门极的充电过程相对而言能够简单地通过测量得到。因而要驱动一个IGBT，我们最好使用一个专用的驱动器。除此之外，在设计中至少我们知道在应用中所需的门极电压（例如±15V）首先，在负载端没有输出电压的情况下，我们可以作如下计算。门极电荷可以利用公式计算
上传时间： 2022-06-21
上传用户：
