系统资源(r1…rm),共有m类，每类数目为r1…rm。随机产生进程Pi(id,s(j,k)，t),0
上传时间： 2014-01-27
上传用户：天诚24
经典c程序100例==1--10 【程序1】 题目：有1、2、3、4个数字，能组成多少个互不相同且无重复数字的三位数？都是多少？ 1.程序分析：可填在百位、十位、个位的数字都是1、2、3、4。组成所有的排列后再去 掉不满足条件的排列。 2.程序源代码： main() { int i,j,k printf("\n") for(i=1 i<5 i++) ／*以下为三重循环*/ for(j=1 j<5 j++) for (k=1 k<5 k++) { if (i!=k&&i!=j&&j!=k) /*确保i、j、k三位互不相同*/ printf("%d,%d,%d\n",i,j,k) }
上传时间： 2014-01-07
上传用户：lizhizheng88
维吉尼亚（Vigenere）密码为了提高密码的破译的难度，人们有发明一种多表置换的密码，即一个明文字母可以表示为多个密文字母，多表密码加密算法结果将使得对单表置换用的简单频率分析方法失效，其中维吉尼亚密码就是一种典型的加密方法。维吉尼亚密码是使用一个词组（语句）作为密钥，词组中每一个字母都作为移位替换密码密钥确定一个替换表，维吉尼亚密码循环的使用每一个替换表完成明文字母到密文字母的变换，最后所得到的密文字母序列即为加密得到的密文，具体过程如下： 设密钥 ，明文 ， 加密变换 其中 例如，M＝data security，k＝best。可以先将M分解为长为4的序列data secu rity 每一节利用密钥k＝best加密得密文c=Ek(M)=EELT TIUN SMLR。 当密钥k取的词组很长时，截获者就很难将密文破解。（我们还在计算机上就维吉尼亚密码设计的方法，编写了一个小的程序，可以运用其进行加密和相应的解密。见附录） 由于我们知识和条件所限，本学期对以上6种古典加密方法进行了学习和研究，从中我们收获颇多，我们了解古典密码学的基本原理和方法，并能够对信息进行简单的加密和解密，大大提高我们的学习文化知识的兴趣和热情，如果有条件我们在今后将进一步研究密码学。
上传时间： 2015-03-24
上传用户：songnanhua
模式识别的作业代码，VC开发，主要是线性分类识别和聚类（基本K-平均算法）的实践，功能比较简单，还有带完善
上传时间： 2015-03-26
上传用户：123456wh
构造LR(1)分析程序，利用它进行语法分析，判断给出的符号串是否为该文法识别的句子，了解LR（K）分析方法是严格的从左向右扫描，和自底向上的语法分析方法。
上传时间： 2013-12-21
上传用户：Late_Li
这是我帮一个本科生做的毕业设计，实现的数据挖掘的k均值和k中心算法，其中包含了我做的两个二维的数据集，感觉要预先知道k的参数值，不是很方便
标签： 毕业设计
上传时间： 2015-03-29
上传用户：as275944189
此为编译原理实验报告 学习消除文法左递规算法，了解消除文法左递规在语法分析中的作用 内含 设计算法 目的 源码 等等.... 算法:消除左递归算法为: （1）把文法G的所有非终结符按任一种顺序排列成P1,P2,…Pn 按此顺序执行 （2）FOR i:=1 TO n DO BEGIN FOR j:=1 DO 把形如Pi→Pjγ的规则改写成 Pi→δ1γ δ2γ … δkγ。其中Pj→δ1 δ2 … δk是关于Pj的所有规则； 消除关于Pi规则的直接左递归性 END （3）化简由（2）所得的文法。即去除那些从开始符号出发永远无法到达的非终结符的 产生规则。
上传时间： 2015-03-29
上传用户：极客
对c语言的简单语法分析器 文件说明： input.txt内为输入的源程序，包括for，while和if else控制等 output.txt内为输出的二元单词序列 k.txt为关键字表 l.txt为运算符和界符表 i.txt为该输入的源程序的标志符 c.txt为常数表 个别表需要序列号，这时各表的序列号默认为从1开始，每行加1。 使用说明： 在提示符下输入input.txt文件的路径和文件名字， 运行完成后，打开文件output.txt看结果。
上传时间： 2013-12-23
上传用户：pompey
本软件是集成式的输入平台，是一个输入法整合软件，除了本有的拼音输入外，可以挂接 各种形码输入方案，如五笔98、86、郑 ... 由于使用只有50多K的单线矢量字库，从体积而 言是目前最小的汉字系统，当然显示效果会打个折扣,直接键入xzl.com进行加载即可。
上传时间： 2015-04-02
上传用户：zmy123
调用过程 CM = Confusion_matrix(train_predicts, train_targets) [combining_predicts, errorrate] = combining_NB(DP, test_targets, CM) DP，三维数组，(i,j,k)为第k个样本的DP矩阵 targets 为 0 1 2
标签： combining_predicts Confusion_matrix train_predicts train_targets
上传时间： 2015-04-04
上传用户：it男一枚
