!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；
上传时间： 2013-12-12
上传用户：zaizaibang
设平面上分布着n个白点和n个黑点，每个点用一对坐标（x, y）表示。一个黑点b=（xb,yb）支配一个白点w=(xw, yw)当且仅当xb>=xw和yb>=yw。若黑点b支配白点w，则黑点b和白点w可匹配（可形成一个匹配对）。在一个黑点最多只能与一个白点匹配，一个白点最多只能与一个黑点匹配的前提下，求n个白点和n个黑点的最大匹配对数。
标签： 分布
上传时间： 2013-12-20
上传用户：米卡
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。
上传时间： 2016-07-30
上传用户：15736969615
K9F1208U0M 的ALE、CLE分别由DSP 的A1 和A0 控制。DSP的低8位数据线直接与闪存的I/O0-I/O7 相连，实现命令、地址和数据的传输； DSP的通用I/O口IOA2 接R/B，监测存储器的工作状态，当R/ B 处于低电平时,表示有编程、擦除或随机读操作正在进行；操作完成后, R/ B 会自动返回高电平。DSP的W E 、R D 分别接FLASH的W E 、R E ， 控制读、写操作。CS2接闪存的片选线CE。
标签： K9F1208U0M DSP ALE CLE
上传时间： 2016-08-03
上传用户：agent
The task of clustering Web sessions is to group Web sessions based on similarity and consists of maximizing the intra- group similarity while minimizing the inter-group similarity． The first and foremost question needed to be considered in clustering W b sessions is how to measure the similarity between Web sessions．However．there are many shortcomings in traditiona1 measurements．This paper introduces a new method for measuring similarities between Web pages that takes into account not only the URL but also the viewing time of the visited web page．Yhen we give a new method to measure the similarity of Web sessions using sequence alignment and the similarity of W eb page access in detail Experiments have proved that our method is valid and e币cient．
标签： sessions clustering similarity Web
上传时间： 2014-01-11
上传用户：songrui
本人编写的incremental 随机神经元网络算法，该算法最大的特点是可以保证approximation特性，而且速度快效果不错，可以作为学术上的比较和分析。目前只适合benchmark的regression问题。 具体效果可参考 G.-B. Huang, L. Chen and C.-K. Siew, “Universal Approximation Using Incremental Constructive Feedforward Networks with Random Hidden Nodes”, IEEE Transactions on Neural Networks, vol. 17, no. 4, pp. 879-892, 2006.
标签： incremental 编写 神经元网络 算法
上传时间： 2016-09-18
上传用户：litianchu
聚类算法：k—medoids 方法。这儿选取一个对象叫做mediod来代替上面的中心 的作用，这样的一个medoid就标识了这个类。步骤： 1，任意选取K个对象作为medoids（O1,O2,…Oi…Ok）。 以下是循环的： 2，将余下的对象分到各个类中去（根据与medoid最相近的原则）； 3，对于每个类（Oi）中，顺序选取一个Or，计算用Or代替Oi后的消耗—E（Or）。选择E最小的那个Or来代替Oi。这样K个medoids就改变了，下面就再转到2。 4，这样循环直到K个medoids固定下来。 这种算法对于脏数据和异常数据不敏感，但计算量显然要比K均值要大，一般只适合小数据量。 这里是MAtlab源代码。
上传时间： 2013-12-26
上传用户：txfyddz
CRC码产生器与校验器程序 Features ： Executes in one clock cycle per data word Any polynomial from 4 to 32 bits Any data width from 1 to 256 bits Any initialization value Synchronous or asynchronous reset
标签： polynomial Features Executes clock
上传时间： 2013-12-18
上传用户：Ants
ClustanGraphics聚类分析工具。提供了11种聚类算法。 Single Linkage (or Minimum Method, Nearest Neighbor) Complete Linkage (or Maximum Method, Furthest Neighbor) Average Linkage (UPGMA) Weighted Average Linkage (WPGMA) Mean Proximity Centroid (UPGMC) Median (WPGMC) Increase in Sum of Squares (Ward s Method) Sum of Squares Flexible (ß space distortion parameter) Density (or k-linkage, density-seeking mode analysis)
标签： ClustanGraphics Complete Neighbor Linkage
上传时间： 2014-01-02
上传用户：003030
Atheros Communications AR6001 WLAN Driver for SDIO installation Read Me March 26,2007 (based on k14 fw1.1) Windows CE Embedded CE 6.0 driver installation. 1. Unzip the installation file onto your system (called installation directory below) 2. Create an OS design or open an existing OS design in Platform Builder 6.0. a. The OS must support the SD bus driver and have an SD Host Controller driver (add these from Catalog Items). b. Run image size should be set to allow greater than 32MB. 3. a. From the Project menu select Add Existing Subproject... b. select AR6K_DRV.pbxml c. select open This should create a subproject within your OS Design project for the AR6K_DRV driver. 4. Build the solution.
标签： Communications installation Atheros Driver
上传时间： 2016-10-27
上传用户：hebmuljb
