对DES算法S-box差分分布表的C言语编程实现，并打印输出。
代码以S1为例，使用时只需替换为8个sbox中的任意一个即可。
代码以S1为例，使用时只需替换为8个sbox中的任意一个即可。
2021/11/20 17:15:24
1KB
1
已知现有图像尺寸128*128，及范围在1.1-1.9之间的9个不同拉伸系数，在对现有的图像进行不同拉伸后，测试将图像转到频域对拉伸变换后的图像进行重采样因子(拉伸系数)估计，算法通过将对图像的每一行进行二阶差分信号的方差估计，然后对其进行傅里叶变换映射到频域，针对DFT信号中尖峰的位置估计重采样因子。
通过频率估计拉伸字数，并求取估计误差，记录估计正确数量适合研究插值算法、FFT算法使用的新手小白
通过频率估计拉伸字数，并求取估计误差，记录估计正确数量适合研究插值算法、FFT算法使用的新手小白
2018/5/15 6:07:15
3.98MB
1
ARIMA预测模型训练集和预测集ARIMA模型全称为自回归积分滑动平均模型(AutoregressiveIntegratedMovingAverageModel,简记ARIMA)，是由博克思(Box)和詹金斯(Jenkins)于70年代初提出一著名时间序列（Time-seriesApproach）预测方法[1]，所以又称为Box-Jenkins模型、博克思-詹金斯法。
其中ARIMA（p，d，q）称为差分自回归移动平均模型，AR是自回归，p为自回归项；
MA为移动平均，q为移动平均项数，d为时间序列成为平稳时所做的差分次数。
所谓ARIMA模型，是指将非平稳时间序列转化为平稳时间序列，然后将因变量仅对它的滞后值以及随机误差项的现值和滞后值进行回归所建立的模型。
ARIMA模型根据原序列能否平稳以及回归中所含部分的不同，包括移动平均过程（MA）、自回归过程（AR）、自回归移动平均过程（ARMA）以及ARIMA过程。
其中ARIMA（p，d，q）称为差分自回归移动平均模型，AR是自回归，p为自回归项；
MA为移动平均，q为移动平均项数，d为时间序列成为平稳时所做的差分次数。
所谓ARIMA模型，是指将非平稳时间序列转化为平稳时间序列，然后将因变量仅对它的滞后值以及随机误差项的现值和滞后值进行回归所建立的模型。
ARIMA模型根据原序列能否平稳以及回归中所含部分的不同，包括移动平均过程（MA）、自回归过程（AR）、自回归移动平均过程（ARMA）以及ARIMA过程。
2017/5/23 20:02:29
2KB
1
利用双端口网络分析仪测量差分阻抗为了抑制噪声，如今射频和微波电路的输入和输出端口普遍采用了差分电路。
不幸的是，差分电路的阻抗测量不能直接利用普通的射频测试设备进行测量。
如下引见的测试方法提供了一种比较精确测量差分阻抗的途径，该方法避免了利用巴伦和变换器及由它们带来的测量误差。
不幸的是，差分电路的阻抗测量不能直接利用普通的射频测试设备进行测量。
如下引见的测试方法提供了一种比较精确测量差分阻抗的途径，该方法避免了利用巴伦和变换器及由它们带来的测量误差。
2015/9/27 2:01:14
99KB
1
《Python数学实验与建模》以Python软件为基础,详细介绍了数学建模的各种常用算法及其软件实现,内容涉及高等数学、工程数学中的相关数学实验、数学规划、插值与拟合、微分方程、差分方程、评价预测、图论模型、多元分析、MonteCarlo模拟、智能算法、时间序列分析、支持向量机、图像处理等内容,既有对算法数学原理的详述,又有案例和配套的Python程序.《Python数学实验与建模》含有Python快速入门基础,可以帮助Python零基础的读者快速掌握Python语言.但对于没有其他任何编程语言基础的读者,建议参考一些愈加具体的Python相关书籍.
2016/7/14 2:07:43
64.18MB
1
山东大学2018算法导论图论考试复习总结，只考图论部分所以只有图论部分的总结。
本人于考试周吐血总结，包含的内容如下。
算法导论-图论复习优质的复习资料1基本的图算法1.1图的表示1.2BFS：广度优先搜索1.3DFS：深度优先搜索1.4拓扑排序1.5强连通分量2最小生成树2.1最小生成树的构成2.2Kruskal算法和Prim算法3单源最短路径3.1Bellman-Ford算法3.2有向无环图（DAG图）中单源最短路径问题3.3Dijkstra算法3.4差分约束和最短路径3.5最短路径的性质证明（三上无路收钱）4所有结点对的最短路径问题4.1矩阵乘法matrixmultiplicationimprovedmatrixmult.4.2Floyd-Warshall算法4.3用于稀疏图的Johnson算法5最大流5.1流网络5.2Ford-Fulkerson方法5.3最大二分匹配习题附录Tableofrunningtimes
本人于考试周吐血总结，包含的内容如下。
算法导论-图论复习优质的复习资料1基本的图算法1.1图的表示1.2BFS：广度优先搜索1.3DFS：深度优先搜索1.4拓扑排序1.5强连通分量2最小生成树2.1最小生成树的构成2.2Kruskal算法和Prim算法3单源最短路径3.1Bellman-Ford算法3.2有向无环图（DAG图）中单源最短路径问题3.3Dijkstra算法3.4差分约束和最短路径3.5最短路径的性质证明（三上无路收钱）4所有结点对的最短路径问题4.1矩阵乘法matrixmultiplicationimprovedmatrixmult.4.2Floyd-Warshall算法4.3用于稀疏图的Johnson算法5最大流5.1流网络5.2Ford-Fulkerson方法5.3最大二分匹配习题附录Tableofrunningtimes
2019/1/10 5:53:32
1.96MB
1
利用频域有限差分法，分析了两种典型晶硅电池结构的Ag背反镜的吸收损耗。
研究表明：平板型晶硅电池Ag背反镜的损耗次要是由本征吸收和导模共振吸收引起，而表面等离子体共振吸收使TM模的吸收峰峰值大于TE模的吸收峰峰值；
织构型的晶硅电池内部光场分布复杂，可在光垂直入射情况下，使TE模和TM模均在有源层中出现较强的导模共振效应，且TM模还可在Ag背反镜中激励起等离子体共振效应，从而使织构型晶硅电池Ag背反镜的吸收谱表现为多峰值特性，且其吸收峰峰值大于平板型晶硅电池的吸收峰峰值。
研究表明：平板型晶硅电池Ag背反镜的损耗次要是由本征吸收和导模共振吸收引起，而表面等离子体共振吸收使TM模的吸收峰峰值大于TE模的吸收峰峰值；
织构型的晶硅电池内部光场分布复杂，可在光垂直入射情况下，使TE模和TM模均在有源层中出现较强的导模共振效应，且TM模还可在Ag背反镜中激励起等离子体共振效应，从而使织构型晶硅电池Ag背反镜的吸收谱表现为多峰值特性，且其吸收峰峰值大于平板型晶硅电池的吸收峰峰值。
2021/4/3 22:12:24
6.16MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB