很好用的AES算法，可实现加密解密，支持128、192、256比特的加解密。

用C语言或C++编写一个简单的银行家算法模拟程序，用银行家算法实现资源分配。程序能模拟多个进程共享多种资源的情况。进程可动态地申请资源，系统按各进程的申请动态地分配资源。要求程序具有显示各进程的某一时刻的资源分配表和安全序列；显示各进程依次要求申请的资源数量以及为某进程分配资源后的有关资源数据的情况。

本文仅代码，无理论解释 实话实说，我觉得这个算法在C系列的语言下，简直垃圾到爆炸……毕竟是一群完全不懂程序数学家对着纸弄出来的，看起来好像非常的有用，实际上耗时是非常爆炸的。 但是《算法导论》里有啊……然后上课又要求手写一个 于是我就手写了一个……我尽可能的减少使用的空间同时加快速度了，当 n = 512 的时候，内存使用量峰值没有超过 10mb，而且是通过递归实现 Strassen 算法 其中，in.txt 已经预先准备了 3000000 个范围在 0-100 随机数，避免程序在运算过程中爆 int（虽然完全可以取1000） /** * Created by Mauve on 3/29/

算法设计 部分算法代码.rar

matlab最大隶属度识别算法MAXFUN 池化实验 快速开始 下载 Caltech-101 数据。 您可以使用脚本或手动下载和解压存档。 编辑脚本以选择窗口和特征类型（例如gabor 边、二进边）。 主要关注的参数位于 PARAMETERS 部分中脚本的顶部。 运行 process_images.m 脚本（请注意，您必须在第一次调用脚本之前运行）。 图像处理脚本将生成一个 .mat 文件，其中包含所有图像的各种汇集特征。 如果使用 caltech-lean 数据集（默认），脚本也会缓存数据集，这样就不需要每次都从头开始重新创建（这个缓存版本也是生成可选 CNN 功能的过程） . 要评估分类性能，请运行脚本。 这将使用简单的 SVM 分类器“评估”池化策略。 变化 使用 CNN 衍生的特征 如果对于给定的实验，您更喜欢使用来自 CNN 的特征图，则这需要额外的中间处理步骤。 在上面的第 3 步中创建 Caltech 精益数据集后（另请参见下文了解有关此数据集的更多详细信息），您需要使用其中的代码来提取感兴趣的特征图。 然后，在 nets.py 创建的 .mat 文件上使用“原始”特征“

密文 1： UZQSOVUOHXMOPVGPOZPEVSGZWSZOPFPESXUDBMETSXAIZVUEPHZHMDZSHZQWSFPAPPDTSVPQUZWYMXUZUHSXEPYEPOPPZSZUFPOMBZWPFUPZHMDJUDTMOHMQ 密文 2：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

matlab+lpp算法代码线性降维基准 随机数生成 gen_corr_dta(N,d,r,left_ratio,right_ratio) , 在gen_corr_dta.m 算法代码列表 PCA：PCA pca(X) MDS: mds(D,p) LPP： lpp(X,p) SPCA: spca(X,p,$\lambda$,$\lambda_1$) PPCA: ppca(X,p) , 来源: s_ppca.m 注意：这里我们不使用 MATLAB 的ppca FA: fa(X,p) , 来源: fa.m

主要介绍了Java语言实现Blowfish加密算法完整代码分享，简单介绍了blowfish加密算法，具有一定借鉴价值，需要的朋友可以参考下。

matlab中存档算法代码L-BFGS-B 大规模约束优化软件 是用于边界约束优化的有限内存准牛顿代码，即，用于仅约束形式为l <= x <= u 。 它适用于难以获得有关Hessian矩阵的信息的问题，或适用于大型密集问题。 L-BFGS-B也可以用于不受约束的问题，在这种情况下，其执行方式与其先前的算法（Harwell例程VA15）相似。 该算法在Fortran 77中实现。 作者 理查德·伯德 相关刊物 RH Byrd，P.Lu，J.Nocedal和C.Zhu。 （1995），SIAM科学与统计计算杂志，第1卷。 16号5，第1190-1208页 C. Zhu，RH Byrd和J. Nocedal。 （1997），ACM Transactions on Mathematical Software，第一卷。 23号4，第550-560页 JL莫拉莱斯（JL Morales）和J. Nocedal。 （2011），ACM Transactions on Mathematical Software，第一卷。 38，Num。 1个 RH Byrd，J。Nocedal和RB Schnabe

遗传算法matlab代码，一个是实数编码的，另一个是二进制编码的。可以用于求解TSP；多目标参数优化；PID调参；神经网络优化等等。