虫虫首页| 资源下载| 资源专辑| 精品软件
登录| 注册

k-query

  • kth算法的实现

    kth算法的实现,可找出第k次最短路径,给出优化方案

    标签: kth 算法

    上传时间: 2016-06-11

    上传用户:FreeSky

  • 凯撒(kaiser)密码的的解密

    凯撒(kaiser)密码的的解密,也就是找出它的加密密钥,从而进行解密,由于 它是一种对称密码体制,加解密的密钥是一样的,下边简单说明一下加解密 加密过程: 密文:C=M+K (mod 26) 解密过程: 明文:M=C-K (mod 26)

    标签: kaiser 密码 解密

    上传时间: 2013-12-12

    上传用户:lx9076

  • Java: 在n 张扑克牌中找出顺子 题目是这样的:有n张扑克牌

    Java: 在n 张扑克牌中找出顺子 题目是这样的:有n张扑克牌,每张牌的取值范围是:2,3,4,5,6,7,8,9,10,J,Q,K,A。在这n张牌中找出顺子(5张及5张以上的连续的牌),并将这些顺子打印出来。 思路:我的思路其实很简单,首先就是要去掉重复的牌,因为同样的顺子之算一个,显然JAVA中的Set很适合这个工作。同时又需要对这些牌进行排序,毫无疑问就是TreeSet了。然后从小到大遍历这些牌,并设置一个计数器count。若发现连续的牌,则count++;若发现不连续的,分2中情况:若count>4,则找到了一个顺子,存起来;反之则什么都不做。然后count=1,从新开始找顺子。下面就是代码:

    标签: Java

    上传时间: 2013-12-22

    上传用户:hewenzhi

  • !逐步回归分析程序: ! M:输入变量

    !逐步回归分析程序: ! M:输入变量,M=N+1,其中N为自变量的个数;M包括的因变量个数 ! K:输入变量,观测点数; ! F1:引入因子时显著性的F-分布值; ! F2:剔除因子时显著性的F-分布值; ! XX:存放自变量和因变量的平均值; ! B:存放回归系数; ! V:存放偏回归平方和和残差平方和Q; ! S:存放回归系数的标准偏差和估计的标准偏差; ! C:存放复相关系数; ! F:存放F-检验值;

    标签: 回归分析 变量 程序 输入

    上传时间: 2013-12-12

    上传用户:zaizaibang

  • Java程序最小到系统托盘源代码 Java程序最小到系统托盘只用java是达不到的,你可以用Java Native Interface结合C或者C++的有关方法来实现!利用C++生成.dll文件来供

    Java程序最小到系统托盘源代码 Java程序最小到系统托盘只用java是达不到的,你可以用Java Native Interface结合C或者C++的有关方法来实现!利用C++生成.dll文件来供java调用! %-!!m D?   我也收集了一些源代码,这里拿出来供参考一下! .K8a-}qL 这是我搜集整理的,希望对寻找这方面信息的人有帮助![/

    标签: Java Interface Native java

    上传时间: 2014-01-25

    上传用户:SimonQQ

  • 计算xk+1除CRC-CCITT后的余式

    计算xk+1除CRC-CCITT后的余式,k从1到32768

    标签: CRC-CCITT xk 计算

    上传时间: 2014-01-19

    上传用户:ruixue198909

  • 计算xk+1除CRC-CCITT后的余式

    计算xk+1除CRC-CCITT后的余式,k从1到32768

    标签: CRC-CCITT xk 计算

    上传时间: 2016-06-18

    上传用户:ynsnjs

  • 计算xk+1除CRC-32后的余式

    计算xk+1除CRC-32后的余式,k从1到32768

    标签: CRC xk 32 计算

    上传时间: 2013-11-25

    上传用户:wangchong

  • 个人理财系统(管理股票信息)

    个人理财系统(管理股票信息),主要用来管理个人股票的信息,可以进行买入,卖出,股票分红等股票的基本操作,实现的股票的分析功能,以及股票的趋势(K线图)。

    标签: 股票

    上传时间: 2016-06-21

    上传用户:zhenyushaw

  • The last step in training phase is refinement of the clusters found above. Although DynamicClusteri

    The last step in training phase is refinement of the clusters found above. Although DynamicClustering counters all the basic k-means disadvantages, setting the intra-cluster similarity r may require experimentation. Also, a cluster may have a lot in common with another, i.e., sequences assigned to it are as close to it as they are to another cluster. There may also be denser sub-clusters within the larger ones.

    标签: DynamicClusteri refinement Although clusters

    上传时间: 2014-01-04

    上传用户:watch100