谢谢
-
本版专家分：642结帖率 100% -
同题
谢谢展开阅读全文
-
本版专家分：22101
-
- 蓝花 2005年1月 VB大版内专家分月排行榜第三
-
-
版务禁止！
-
本版专家分：6990 -
不明白你是什么意思！
-
本版专家分：5095
-
什么?
-
本版专家分：479 -
是一个统计问题,我有 fortran 程序
读取把
1)
!C**********************************************************************
!C PROGRAM NOTE *
!C METEOROLOGICAL FIELD EOF ANALYSES *
!C**********************************************************************
!C**********************************************************************
!C PARAMETER TABLE *
!C M: LENGTH OF TIME SERIES *
!C N: NUMBER OF STATION *
!C KS:=-1:SELF; KS=0:DEpARTURE; KS=1:NORMALIIZED *
!C KV:NUMBER OF EIGENVALUE WILL BE OUTPUT *
!C KVT:NUMBER OF EIGENVECTORS AND TIME SERIES WILL BE OUTPUT *
!C MNH=MIN(M,N) *
!C EGVT:EIGENVECTORS, ECOF:TIME COEFFIENTS FOR EGVT *
!C ER(KV,1):LAMDAS *
!C LAMDA:EIGENVALUE *
!C ER(KV,2):ACCUMULATED LAMDAS *
!C ER(KV,3):PERCENT OF SINGLE EIGENVALUE *
!C ER(KV,4):ACCUMULATED ER(KV,3) *
!C**********************************************************************
!C**********************************************************************
!C FILES NOTE *
!C UNIT=9 READ PRIMITIVE DATA *
!C UNIT=77 ERROR ANALYSES FILE NAMED FERR.D *
!C UNIT=88 EIGENVECTORS FILE NAME FVCT.D *
!C UNIT=99 TIME COEFFICIENTS FILE NAMED FTCO.D *
!C**********************************************************************
!C***** MAIN PROGRAM EOF *****
PARAMETER(KS=0,KV=10,KVT=4)
PARAMETER(N=62,M=47,MNH=47)
integer x(n,m)
real F(N,M),A(MNH,MNH),S(MNH,MNH),ER(MNH,4),DF(N),V(MNH),AVF(N)
! character*3 word1(5)
! common word1
! character*14 word2(3)
! data word1/'spr','spr','spr','spr','spr'/
! ,'sprtyl.grd','sprtyl.grd'
! & ,'sprtyh.grd','sprtyh.grd'/
! data word2/'spreofp.grd',
! do 500 lll=1,5
open(7,file='f:\qxzl\xbrain\rxb03.dat',
$ form='formatted') !读取原始资料
! do i=1,nn
read(7,101)((x(i,j),j=1,47),i=1,62) ! .............. !
101 format(47i6)
! pause
do k=1,n
!turn 3-D to 2-D
do i=1,m
f(k,i)=x(k,i)/10.0
enddo
enddo
write(*,101)((x(i,j),j=1,47),i=1,62)
! OPEN(2,FILE='r6-8.dat')
! DO I=1,N
! READ(2,*)
! READ(2,*)(F(I,J),J=1,M)
! ENDDO
CLOSE(7)
WRITE(*,*) 'STEP 1 : READ PRIMITIVE END'
CALL TRANSF(N,M,F,AVF,DF,KS)
WRITE(*,*) 'STEP 2: TRANSF END'
CALL FORMA(N,M,MNH,F,A)
WRITE(*,*) 'STEP 3: FORMA END'
CALL JCB(MNH,A,S,0.00001)
WRITE(*,*) 'STEP 4: JCB END'
CALL ARRANG(KV,MNH,A,ER,S,tr,atr)
WRITE(*,*) 'STEP 5: ARRANG END'
CALL TCOEFF(KVT,KV,N,M,MNH,S,F,V,ER)
WRITE(*,*) 'STEP 6: TCOEFF END'
CALL OUTER(MNH,26,ER,tr)
! CALL OUTER(MNH,KV,ER,tr)
WRITE(*,*) 'STEP 7: OUTER END'
CALL OUTVT(KVT,N,M,MNH,S,F)
WRITE(*,*) 'STEP 8: OUTVT END'
WRITE(*,*) 'ERROR ANALYSES FILE: FERR.D'
WRITE(*,*) 'EIGENVECTORS FILE: FVCT.D'
WRITE(*,*) 'TIME COEFFICIENTS FILE: FTCO.D'
WRITE(*,*)
WRITE(*,*) ' YOU ARE SMART! TRY AGAIN NEXT TIME!'
WRITE(*,*)
!500 continue
stop
END
!C******************************************************************
SUBROUTINE TRANSF(N,M,F,AVF,DF,KS)
DIMENSION F(N,M),AVF(N),DF(N)
DO 5 I=1,N
AVF(I)=0.0
5 DF(I)=0.0
IF(KS) 30,10,10
10 DO 14 I=1,N
DO 12 J=1,M
12 AVF(I)=AVF(I)+F(I,J)
AVF(I)=AVF(I)/M
DO 14 J=1,M
F(I,J)=F(I,J)-AVF(I)
14 CONTINUE
IF(KS.EQ.0) THEN
RETURN
ELSE
DO 24 I=1,N
DO 22 J=1,M
22 DF(I)=DF(I)+F(I,J)*F(I,J)
DF(I)=SQRT(DF(I)/M)
DO 24 J=1,M
if(DF(I).NE.0.0)then
F(I,J)=F(I,J)/DF(I)
else
F(I,J)=0.0
endif
24 CONTINUE
ENDIF
30 CONTINUE
RETURN
END
!C******************************************************************
SUBROUTINE FORMA(N,M,MNH,F,A)
DIMENSION F(N,M),A(MNH,MNH)
IF(M-N) 40,50,50
40 DO 44 I=1,MNH
DO 44 J=1,MNH
A(I,J)=0.0
DO 42 IS=1,N
42 A(I,J)=A(I,J)+F(IS,I)*F(IS,J)
A(J,I)=A(I,J)
44 CONTINUE
RETURN
50 DO 54 I=1,MNH
DO 54 J=1,MNH
A(I,J)=0.0
DO 52 JS=1,M
52 A(I,J)=A(I,J)+F(I,JS)*F(J,JS)
A(J,I)=A(I,J)
54 CONTINUE
RETURN
END
!C******************************************************************
SUBROUTINE JCB(N,A,S,EPS)
DIMENSION A(N,N),S(N,N)
DO 30 I=1,N
DO 30 J=1,I
IF(I-J) 20,10,20
10 S(I,J)=1.
GO TO 30
20 S(I,J)=0.0
S(J,I)=0.0
30 CONTINUE
G=0.
DO 40 I=2,N
I1=I-1
DO 40 J=1,I1
-
本版专家分：479
-
2)
40 G=G+2.*A(I,J)*A(I,J)
S1=SQRT(G)
S2=EPS/FLOAT(N)*S1
S3=S1
L=0
50 S3=S3/FLOAT(N)
60 DO 130 IQ=2,N
IQ1=IQ-1
DO 130 IP=1,IQ1
IF(ABS(A(IP,IQ)).LT.S3) GO TO 130
L=1
V1=A(IP,IP)
V2=A(IP,IQ)
V3=A(IQ,IQ)
U=0.5*(V1-V3)
IF(U.EQ.0.0)G=1.
IF(ABS(U).GE.1E-10)G=-SIGN(1.,U)*V2/SQRT(V2*V2+U*U)
ST=G/SQRT(2.*(1.+SQRT(1.-G*G)))
CT=SQRT(1.-ST*ST)
DO 110 I=1,N
G=A(I,IP)*CT-A(I,IQ)*ST
A(I,IQ)=A(I,IP)*ST+A(I,IQ)*CT
A(I,IP)=G
G=S(I,IP)*CT-S(I,IQ)*ST
S(I,IQ)=S(I,IP)*ST+S(I,IQ)*CT
110 S(I,IP)=G
DO 120 I=1,N
A(IP,I)=A(I,IP)
120 A(IQ,I)=A(I,IQ)
G=2.*V2*ST*CT
A(IP,IP)=V1*CT*CT+V3*ST*ST-G
A(IQ,IQ)=V1*ST*ST+V3*CT*CT+G
A(IP,IQ)=(V1-V3)*ST*CT+V2*(CT*CT-ST*ST)
A(IQ,IP)=A(IP,IQ)
130 CONTINUE
IF(L-1) 150,140,150
140 L=0
GO TO 60
150 IF(S3.GT.S2) GO TO 50
RETURN
END
!C*********************************************************************
SUBROUTINE ARRANG(KV,MNH,A,ER,S,tr,atr)
DIMENSION A(MNH,MNH),ER(MNH,4),S(MNH,MNH)
TR=0.0
DO 200 I=1,MNH
TR=TR+A(I,I)
200 ER(I,1)=A(I,I)
atr=0.0
do 201 i=11,MNH
201 atr=atr+er(i,1)
MNH1=MNH-1
DO 210 K1=MNH1,1,-1
DO 210 K2=K1,MNH1
IF(ER(K2,1).LT.ER(K2+1,1)) THEN
C=ER(K2+1,1)
ER(K2+1,1)=ER(K2,1)
ER(K2,1)=C
DO 205 I=1,MNH
C=S(I,K2+1)
S(I,K2+1)=S(I,K2)
S(I,K2)=C
205 CONTINUE
END IF
210 CONTINUE
ER(1,2)=ER(1,1)
DO 220 I=2,MNH
ER(I,2)=ER(I-1,2)+ER(I,1)
220 CONTINUE
DO 230 I=1,MNH
ER(I,3)=ER(I,1)/TR
ER(I,4)=ER(I,2)/TR
230 CONTINUE
WRITE(6,250)atr
250 FORMAT(1x,'The total square error is',F15.5,'!')
RETURN
END
!c************************************************************************
!C CALCULATION FOR NORMALIZIEA EIGENVECTORS & THEIR TIME COEFFICIENTS *
!C IF M .GE. N THEN S FOR EIGENVECTORS & F TIME COEFFICIENTS *
!C IF M .LE. N THEN F FOR EIGENVECTORS & S TIME COEFFICIENTS *
!C************************************************************************
SUBROUTINE TCOEFF(KVT,KV,N,M,MNH,S,F,V,ER)
DIMENSION S(MNH,MNH),F(N,M),V(MNH),ER(MNH,4)
DO 360 J=1,KVT
C=0.0
DO 350 I=1,MNH
350 C=C+S(I,J)*S(I,J)
C=SQRT(C)
DO 160 I=1,MNH
160 S(I,J)=S(I,J)/C
360 CONTINUE
IF(N.LE.M) THEN
DO 390 J=1,M
DO 370 I=1,N
V(I)=F(I,J)
F(I,J)=0.0
370 CONTINUE
DO 380 IS=1,KVT
DO 380 I=1,N
380 F(IS,J)=F(IS,J)+V(I)*S(I,IS)
390 CONTINUE
ELSE
DO 410 I=1,N
DO 400 J=1,M
V(J)=F(I,J)
F(I,J)=0.0
400 CONTINUE
DO 410 JS=1,KVT
DO 410 J=1,M
F(I,JS)=F(I,JS)+V(J)*S(J,JS)
410 CONTINUE
! DO 430 JS=1,KVT
! DO 420 J=1,M
! S(J,JS)=S(J,JS)*SQRT(ER(JS,1))
! 420 CONTINUE
! DO 430 I=1,N
! F(I,JS)=F(I,JS)/SQRT(ER(JS,1))
! 430 CONTINUE
END IF
RETURN
END
!C**********************************************************************
!C ER(KV,1):LAMDAS FROM MAXIMAL TO MINLMAL *
!C LAMDA:EIGENVALUE *
!C ER(KV,2):ACCUMULATED LAMDAS *
!C ER(KV,3):PERCENT OF SINGLE EIGENVALUE *
!C ER(KV,4):ACCUMULATED ER(KV,3) *
!C**********************************************************************
SUBROUTINE OUTER(MNH,KV,ER,tr)
DIMENSION ER(MNH,4)
OPEN(77,FILE='f:\qxzl\xbrain\eof\sprFERR2.DAT',
$ status='unknown')
WRITE(77,510)
510 FORMAT(6x,'Here are the eigenvalues and analysis errors:')
WRITE(77,520)
520 FORMAT(1X,1Hn,8X,5Hlamda,8X,6Hlamdas,12X,5Hratio,10X,6Hratios)
do IS=1,KV
WRITE(77,530)is,(ER(IS,J),J=1,4)
enddo
530 FORMAT(2x,i4,2x,F13.1,f14.1,f17.10,f16.10)
WRITE(77,250) TR
250 FORMAT(1x,'The total square error is',F18.10,'!')
CLOSE(77)
RETURN
END
!C***********************************************************************
!C SAVE EIGENVECTORS & THEIR TIME COEFFICIENTS,RESPECTIVELY *
!C***********************************************************************
SUBROUTINE OUTVT(KVT,N,M,MNH,S,F)
DIMENSION F(N,M),S(MNH,MNH)
OPEN(88,FILE='f:\qxzl\xbrain\eof\spr12.grd',form='binary'
& ,status='unknown')
OPEN(99,FILE='f:\qxzl\xbrain\eof\spr22.grd',form='binary'
& ,status='unknown')
! open(66,file='f:\qxzl\xbrain\eof\spr22.dat')
IF(M.GE.N) THEN
DO 550 I=1,N
550 WRITE(88) (S(I,JS),JS=1,KVT)
! 580 FORMAT(51F7.2)
ELSE
! DO 551 I=1,N
! 551 WRITE(88,590)(F(I,JS),JS=1,kvt)
WRITE(88)((F(I,JS),I=1,62),JS=1,kvt)
pause
! WRITE(99)((S(IS,J),J=1,n),IS=1,kvt)
590 FORMAT(15F10.3)
END IF
IF(M.GE.N)THEN
DO 600 J=1,M
600 WRITE(99)(F(IS,J),IS=1,KVT)
630 FORMAT(15f10.3)
ELSE
! DO 601 J=1,M
! 601 WRITE(66)(S(J,IS),IS=1,kvt)
WRITE(99)((S(J,IS),IS=1,kvt),J=1,M)
640 FORMAT(4F7.2)
END IF
CLOSE(88)
CLOSE(99)
! close(66)
RETURN
END
- 【图像处理中的数学修炼】一书之代码
数字图像处理对数学的要求颇高，这不禁令很多学习者望而却步。在阅读图像处理方面的论文时，面对梯度、散度、黑塞矩阵、傅里叶变换等这些...笔者特别撰写了这本《图像处理中的数学修炼》，本文是该书中示例程序的源代码
- BAT机器学习面试1000题系列（第1~305题）
BAT机器学习面试1000题系列 整理：July、元超、立娜、德伟、贾茹、王剑、AntZ、孟莹等众人。本系列大部分题目来源于公开网络，取之分享，用之分享，且在撰写答案过程中若引用他人解析则必注明原作者及来源链接...
- 优秀大数据GitHub项目一览
数据科学是未来，大数据分析则是打开未来之门的钥匙 企业正在迅速用新技术武装自己以便从大数据项目中获益。各行业对大数据分析人才的需求也迫使我们升级自己的技能以便寻找更好的职业发展。跳槽之前最好先搞清楚...
- C#图像检测开源项目
本人用C#开发了一些项目，下面的开源工程给了我很大的帮助——详细的源代码介绍加丰富的实例运用，是非常不错的学习资源，分享给大家，同时附上我的相关开发项目。 Accord.NET The Accord.NET Framework...
- .NET开源工程推荐（Accord，AForge，Emgu CV）
本人用C#开发了一些项目，下面的开源工程给了我很大的帮助——详细的源代码介绍加丰富的实例运用，是非常不错的学习资源，分享给大家，同时附上我的相关开发项目。 Accord.NET The Accord.NET ...
- OpenCV 矩阵操作 加减乘除 求逆 行列式值
GEMM 通用矩阵乘法void cvGEMM( const CvArr* src1, const CvArr* src2, double alpha, const CvArr* src3, double beta, CvArr* dst, int tABC=0 ); #define cvMatMulAdd( src1, src2, src3, dst ) cvGEMM...
- EmguCV 常用函数功能说明
AbsDiff，计算两个数组之间的绝对差。 dst（I）c = abs（src1（I）c-src2（I）c）。所有数组必须具有相同的数据类型和相同的大小（或ROI大小）。 累加，将整个图像或其所选区域添加到累加器和。...
- OpenCv 关于矩阵的相关计算函数
GEMM 通用矩阵乘法 void cvGEMM( const CvArr* src1, const CvArr* src2, double alpha, const CvArr* src3, double beta, CvArr* dst, int tABC=0 ); #define cvMatMulAdd( src1, src2, src3, dst ) cvGEMM( ...
- opencv里矩阵的操作
http://www.opencv.org.cn/index.php/Cxcore%E6%95%B0%E7%BB%84%E6%93%8D%E4%BD%9C#SolveGEMM通用矩阵乘法void cvGEMM( const CvArr* src1, const CvArr* src2, double alpha, const CvArr* src3
- OpenCV 矩阵操作
GEMM通用矩阵乘法void cvGEMM( const CvArr* src1, const CvArr* src2, double alpha, const CvArr* src3, double beta, CvArr* dst, int tABC=0 ); #define cvMatMulAdd( src1, src2, src3, dst ) cvGEMM(...
- opencv中的矩阵操作
通用矩阵乘法 void cvGEMM( const CvArr* src1, const CvArr* src2, double alpha, const CvArr* src3, double beta, CvArr* dst, int tABC=0 ); #define cvMatMulAdd( src1, src2, src3, dst ) cvGEMM( src1, src2,...
- 算法面试大全
本文原文链接： ... 整理：七月在线July、德伟、立娜、孟莹、贾茹等众人。本系列大部分题目来源于公开网络，且注明来源链接。 ...说明：本系列自2017年9月28日开始，每周持续更新。首发于七月在线实验室公众号上：...
- 机器学习干货贴
1.Kaggle Ensembling Guide 摘要：Creating ensembles from submission files Voting ensembles. Averaging Ra... 2.[导读]Machine Learning Theory 摘要：机器学习相关理论，Machine Learning Theory - Part 1: ...
- ＯＰＥＮＣＶ 矩阵操作
最近使用opencv+vs2008读取摄像头的时候，抓取图像总是返回空。无解，在网上看到一个资料，转载于此。 GEMM 通用矩阵乘法 void cvGEMM( const CvArr* src1, const CvArr* src2, double alpha, const
- BAT机器学习面试1000题系列
July我又回来了。 之前本博客整理过数千道微软等公司的面试题，侧重数据结构、算法、海量数据处理，详见：微软面试100题系列，今17年，近期和团队整理BAT机器学习面试1000题系列，侧重机器学习、深度学习。...
- 机器学习面试
BAT机器学习面试1000题系列 整理：July、元超、立娜、德伟、贾茹、王剑、AntZ、孟莹等众人。本系列大部分题目来源于公开网络，取之分享，用之分享，且在撰写答案过程中若引用他人解析则必注明原作者及来源链接。...
- 深度学习基础知识整理
本文是在七月的BAT机器学习面试1000题系列进行修改。 前言 July我又回来了。 之前本博客整理过数千道微软等公司的面试题，侧重数据结构、算法、海量数据处理，详见：微软面试100题系列，今17年，近期和团队...
- Clash.for.Windows.0.8.10 - 新版
clash for windows，订阅工具，2020，ss，v2ray，windows平台图形客户端
- Unity3D实战入门之第三人称射击游戏（TPS）
这是一套第三人称射击游戏开发的入门基础课程。 本课程以一款小型的第三人称射击游戏为案例，手把手教你如何搭建一款3D射击游戏的雏形。麻雀虽小，五脏俱全，这款小游戏难度不大，但第三人称射击游戏该有的模块、功能它都有涉及。通过案例游戏的开发，学习者可以对第三人称射击游戏入门，对后续复杂大中型3D游戏的开发有实际的借鉴意义。 这套课程，对初次接触3D射击类游戏的学习者而言，是一块极好的跳板。 本课程从零开始，带领学习者逐步完成一款小型的第三人称射击游戏。向3D射击类游戏的初学者展示完整项目的制作流程和设计思路，对该类游戏的常用知识点、必备功能模块、代码结构进行详细讲解，让学习者能够快速搭建一款3D射击游戏的雏形，为后续中、大型游戏的开发打下良好基础。
- winfrom中嵌套html，跟html的交互
winfrom中嵌套html，跟html的交互,源码就在里面一看就懂，很简单