用java写了个矩阵类,等待各位拍砖

mingchaoyan 2011-08-20 05:05:57
blog.y-mc.info
欢迎测试,留言提出意见建议,什么都可以提,包括代码风格,算法效率,设计思路等等,
虚心学习
...全文
237 12 打赏 收藏 转发到动态 举报
写回复
用AI写文章
12 条回复
切换为时间正序
请发表友善的回复…
发表回复
fangxingen 2011-08-22
  • 打赏
  • 举报
回复
打不开啊,老弟
iambic 2011-08-22
  • 打赏
  • 举报
回复
粗看问题还是很多的,但是你那个网页阅读太费劲,就不细看了。
softroad 2011-08-22
  • 打赏
  • 举报
回复
不错,没事自己写写,挺好的。
mingchaoyan 2011-08-22
  • 打赏
  • 举报
回复
[Quote=引用 8 楼 zhao251021539 的回复:]

piapia

打不开 你被拍了
[/Quote]
求继续拍
owen10000 2011-08-21
  • 打赏
  • 举报
回复
java如何实现两个数最接近的比较 例如
public int getAdjacent(List <Integer>list,int x);

用list集合里面的元素值跟x比较,首先取单个元素计较,再取两个元素相加比较,直到N个元素相加比较,最后返回最接近x

的数,这个最接近x的数必须比x小,也就是单个比较的话首先先去掉大于x的元素再比较 ,如此类推,直到N个相加输去掉大

于X的数再比较如:

List xlist = new ArrayList();
for(int i=0;i<list.size();i++)
{
if(list.get(i)<x)
{
xlist.add(list.get(i))
}
}

最后用xlist元素的值跟x比较,并把返回的最接近X的值放入最接近X的set中, 如此类推 直到第N个元素相加最接近X的值放

入set中,此时set中保存的是由单个元素到N个元素相加最接近X的值,再用set值去比较 最终返回 最最接近

X的值组合,我想要的并不是一个最接近的数 ,我想要的是 所有数递归起来加起来 最接近比较值的数。假如

我的集合里面有1,2,3,6,7,11,100,200,33,31 比较值是50 我想要的是33、7、6、2、1 这个组合加起来

是最接近50的 当然也有别的组合 ,其实最接近比较数并且不大于比较数 那就是比较数-1了 这样就要返回 集

合里面的所有等于比较值-1的组合 这个组合就是我想要的
meran 2011-08-21
  • 打赏
  • 举报
回复
piapia

打不开 你被拍了
24K純帥 2011-08-21
  • 打赏
  • 举报
回复
顶红龙果大哥的~
mingchaoyan 2011-08-20
  • 打赏
  • 举报
回复
[Quote=引用 4 楼 bao110908 的回复:]

Apache Commons Math 中有现成的东西,为啥还要自己写?

http://commons.apache.org/math/
[/Quote]
hello world 书上也有干嘛还敲一遍?
学习呗
  • 打赏
  • 举报
回复
Apache Commons Math 中有现成的东西,为啥还要自己写?

http://commons.apache.org/math/
aotian16 2011-08-20
  • 打赏
  • 举报
回复
不懂...
mingchaoyan 2011-08-20
  • 打赏
  • 举报
回复
为啥我这边好好的,大家都打不开吗?
shuwei003 2011-08-20
  • 打赏
  • 举报
回复
页面打不开,没反应啊
【语音分离】基于平均谐波结构建模的无监督单声道音乐声源分离(Matlab代码实现)内容概要:本文介绍了基于平均谐波结构建模的无监督单声道音乐声源分离方法,并提供了相应的Matlab代码实现。该方法通过对音乐信号中的谐波结构进行建模,利用音源间的频率特征差异,实现对混合音频中不同乐器或人声成分的有效分离。整个过程无需标注数据,属于无监督学习范畴,适用于单通道录音场景下的语音与音乐分离任务。文中强调了算法的可复现性,并附带完整的仿真资源链接,便于读者学习与验证。; 适合人群:具备一定信号处理基础和Matlab编程能力的高校学生、科研人员及从事音频处理、语音识别等相关领域的工程师;尤其适合希望深入理解声源分离原理并进行算法仿真实践的研究者。; 使用场景及目标:①用于音乐音频中人声与伴奏的分离,或不同乐器之间的分离;②支持无监督条件下的语音处理研究,推动盲源分离技术的发展;③作为学术论文复现、课程项目开发或科研原型验证的技术参考。; 阅读建议:建议读者结合提供的Matlab代码与网盘资料同步运行调试,重点关注谐波建模与频谱分解的实现细节,同时可扩展学习盲源分离中的其他方法如独立成分分析(ICA)或非负矩阵分解(NMF),以加深对音频信号分离机制的理解。

62,629

社区成员

发帖
与我相关
我的任务
社区描述
Java 2 Standard Edition
社区管理员
  • Java SE
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧