虫虫首页| 资源下载| 资源专辑| 精品软件
登录| 注册

k-<b>m</b>eans

  • 本程序要求用户在控制台里输入非终极符

    本程序要求用户在控制台里输入非终极符,终结符与产生式,然后对用户输入的文法进行分析,得出first集 与follow 集,并打印出预测分析表用户决定是否继续进行句型分析,如继续则给出符号分析栈的实现,从而判断刚输入的句子是否为符合该文法的句子。 该程序遵循LL(1) 文法FIRST(A)的构造:是A的所有可能推导的开头终结符或可能的ε FOLLOW(A)是所有句型中出现在紧接A之后的非终结符或“#” 预测分析程序 构造LL(1)分析表 ⅰ,构造文法中所有元素的FIRST和FOLLOW集合 ⅱ,对文法G的每个产生式A->α执行第三步和第四步 ⅲ,对每个终结符a∈FIRST(α),把A->α加至M[A,a] ⅳ,若ε∈FIRST(α),则对任何b∈FOLLOW(A)把A->α加至M[A,b]中 ⅴ,把所有无定义的M[A,a]标上“出错标志”

    标签: 程序 用户 控制台 输入

    上传时间: 2013-12-27

    上传用户:jackgao

  • 根据DFT的基二分解方法

    根据DFT的基二分解方法,可以发现在第L(L表示从左到右的运算级数,L=1,2,3…M)级中,每个蝶形的两个输入数据相距B=2^(L-1)个点,同一旋转因子对应着间隔为2^L点的2^(M-L)个蝶形。从输入端开始,逐级进行,共进行M级运算。在进行L级运算时,依次求出个2^(L-1)不同的旋转因子,每求出一个旋转因子,就计算完它对应的所有的2^(M-L)个蝶形。因此我们可以用三重循环程序实现FFT变换。同一级中,每个蝶形的两个输入数据只对本蝶形有用,而且每个蝶形的输入、输出数据节点又同在一条水平线上,所以输出数据可以立即存入原输入数据所占用的存储单元。这种方法可称为原址计算,可节省大量的存储单元。附件包含算法流程图和源程序。

    标签: DFT 分解方法

    上传时间: 2013-12-25

    上传用户:qiao8960

  • 基于J2EE的物流信息系统的设计与实现 介绍了J2EE 体系结构、Mv c模式等相关概念和技术

    基于J2EE的物流信息系统的设计与实现 介绍了J2EE 体系结构、Mv c模式等相关概念和技术,并重点探讨了 目 前比 较受欢迎的三种开源框架( s t r ut s框架、S Pr i n g框架和H i b e m a t e 框架)。 分析了他们的体系结构、 特点和优缺点。 根据J ZE E的分层结构,结合We b应用 的特点, 将三种框架进行组合设计, 即表现层用S t r ut s框架、 业务逻辑层用S P ri n g 框架、持久层用比b ema t e 框架,从而来构建物流信息系统。这种整合框架使各 层相对独立, 减少各层之间的祸合程度,同时加快了系统的开发过程,增强了系 统的可维护性和可扩展性,初步达到了分布式物流信息系统的设计目标。 经过以上分析,结合物流系统的业务需求,进行了相关的实现。最后,系统 运用先进的A ja x技术来增强Ui层与服务器的异步通信能力, 使用户体验到动态 且响应灵 敏的桌 面级w e b应用程序。 通过江联公司的试运行结果,系统达到了 渝眯。 并 且 对 江 联 公 司 提 出 了 基 于 R F I D 的 解 决 方 案 的 实 施 计 划 。

    标签: J2EE 物流信息 模式

    上传时间: 2016-06-01

    上传用户:ynsnjs

  • 基于J2EE技术的网上商城系统构建 本课题以国家8 6 3引导项目

    基于J2EE技术的网上商城系统构建 本课题以国家8 6 3引导项目 , 暨新疆自治区高新计划项目 — 广汇美居物流园网上 商城系统为背景。旨 在利用先进的系统建模思想以及当前流行的We b编程技术,将迭 代式、以用户需求为驱动和以构架为中心的R U P统一开发过程的系统建模思想应用到 电子商务系统模型的需求分析和设计的各个阶段, 完整地实现整个系统的建模过程。 在 此基础上对系统实现的关键技术问题:数据库的并发访问,MV C模式的应用以及统计 信息的图表显示等关键技术进行了具体的分析和实现。 本文利用I nt e 川 e 吸 的强大功能,借鉴国内外电子商务方面的相关经验,分析虚拟店 铺,网上商城及网上拍卖的功能结构和实现方式, 为广汇美居物流园的商户搭建网上虚 拟店铺,网上商城及网上商品竟拍系统平台。该系统经过近半年的使用,实际应用效果 较好。采用的R U P开发方法和M V c的设计模式使系统的灵活性和可扩展性大大增强。

    标签: J2EE 网上商城 系统构建

    上传时间: 2014-12-03

    上传用户:edisonfather

  • % EM algorithm for k multidimensional Gaussian mixture estimation % % Inputs: % X(n,d) - input da

    % EM algorithm for k multidimensional Gaussian mixture estimation % % Inputs: % X(n,d) - input data, n=number of observations, d=dimension of variable % k - maximum number of Gaussian components allowed % ltol - percentage of the log likelihood difference between 2 iterations ([] for none) % maxiter - maximum number of iteration allowed ([] for none) % pflag - 1 for plotting GM for 1D or 2D cases only, 0 otherwise ([] for none) % Init - structure of initial W, M, V: Init.W, Init.M, Init.V ([] for none) % % Ouputs: % W(1,k) - estimated weights of GM % M(d,k) - estimated mean vectors of GM % V(d,d,k) - estimated covariance matrices of GM % L - log likelihood of estimates %

    标签: multidimensional estimation algorithm Gaussian

    上传时间: 2013-12-03

    上传用户:我们的船长

  • 本实训是有关线性表的顺序存储结构的应用

    本实训是有关线性表的顺序存储结构的应用,在本实训的实例程序中,通过C语言中提供的数组来存储两个已知的线性表,然后利用数组元素的下标来对线性表进行比较。通过对本实训的学习,可以理解线性表在顺序存储结构下的操作方法。 在实训中,我们设A=(a1,a2,…,an)和B=(b1,b2,…,bm)是两个线性表,其数据元素的类型是整型。若n=m,且ai=bi,则称A=B 若ai=bi,而aj<bj,则称A<B;除此以外,均称A>B。设计一比较大小的程序。

    标签: 线性 顺序存储

    上传时间: 2014-01-14

    上传用户:www240697738

  • 4bit ALU(运算逻辑单元)的设计 给出了此次设计alu的输入输出结构及相应的位数。其中C0是一位的进位输入

    4bit ALU(运算逻辑单元)的设计 给出了此次设计alu的输入输出结构及相应的位数。其中C0是一位的进位输入,A和B分别是4位的数据输入,S0、S1、M分别为一位的功能选择输入信号;Cout是一位的进位输出,F是4为的运算结果输出。

    标签: 4bit ALU alu 运算

    上传时间: 2013-12-09

    上传用户:sevenbestfei

  • 1、以不同的视角观察球面 和圆柱面 所围区域。2、画出s(t)=cos(2/3πf0t)的曲线及其付氏变换的曲线.设:f0=1KHz,时域分辨率 dt=0.01ms, 采样点数 N=2k, k>

    1、以不同的视角观察球面 和圆柱面 所围区域。2、画出s(t)=cos(2/3πf0t)的曲线及其付氏变换的曲线.设:f0=1KHz,时域分辨率 dt=0.01ms, 采样点数 N=2k, k>10.(均为M文件)

    标签: 0.01 cos KHz f0t

    上传时间: 2014-11-04

    上传用户:wangzhen1990

  • * acousticfeatures.m: Matlab script to generate training and testing files from event timeseries. *

    * acousticfeatures.m: Matlab script to generate training and testing files from event timeseries. * afm_mlpatterngen.m: Matlab script to extract feature information from acoustic event timeseries. * extractevents.m: Matlab script to extract event timeseries using the complete run timeseries and the ground truth/label information. * extractfeatures.m: Matlab script to extract feature information from all acoustic and seismic event timeseries for a given run and set of nodes. * sfm_mlpatterngen.m: Matlab script to extract feature information from esmic event timeseries. * ml_train1.m: Matlab script implementation of the Maximum Likelihood Training Module. ?ml_test1.m: Matlab script implementation of the Maximum Likelihood Testing Module. ?knn.m: Matlab script implementation of the k-Nearest Neighbor Classifier Module.

    标签: acousticfeatures timeseries generate training

    上传时间: 2013-12-26

    上传用户:牛布牛

  • 一个报童从报刊发行中心订报后零售

    一个报童从报刊发行中心订报后零售,每卖一份报纸可赚钱a元;若报纸卖不出去,则退回发行处,每退一份要赔钱b元。每天报童卖出的份数是随机的,但报童可以根据以往卖报情况统计得到每天卖k份报纸的概率密度p(k)。 (1) 求报童每天期望收益达到最大(或损失达到最小)的定报量z。 (2) 改变参数a/b的值,观察订报量的最优值变化,画出变化曲线。 试画出仿真流程图,进行程序实现,并对仿真结果进行分析。

    标签: 报童

    上传时间: 2016-07-30

    上传用户:15736969615