用户可以自行输入进程数量与资源数量，在安全状态时可以支持持续请求

【路径规划】基于粒子群结合遗传算法实现机器人栅格地图路径规划matlab源码.zip

实现RC4算法，实现控制台对所有文件加解密。 附赠文档一份。

LightGBM（Light Gradient Boosting Machine） 是微软开源的一个实现 GBDT 算法的框架，支持高效率的并行训练。GBDT (Gradient Boosting Decision Tree) 是机器学习中一个长盛不衰的模型，其主要思想是利用弱分类器（决策树）迭代训练以得到最优模型，该模型具有训练效果好、不易过拟合等优点。GBDT 在工业界应用广泛，通常被用于点击率预测，搜索排序等任务。GBDT 也是各种数据挖掘竞赛的致命武器，据统计 Kaggle 上的比赛有一半以上的冠军方案都是基于 GBDT。LightGBM 提出的主要原因是为了解决 GBDT 在海量数据遇到的问题，让 GBDT 可以更好更快地用于工业实践。其具有以下优点：更快的训练速度更低的内存消耗更好的准确率分布式支持，可以快速处理海量数据 标签：LightGBM

一、实验目的： 1、掌握Huffman编码算法。 2、掌握Shannon-Fano编码算法。 3、掌握算术编码算法。 4、掌握预测编码算法。 5、了解图像编码的具体应用。 二、实验要求： 1. 分析附件程序中的Huffman编码程序，修改该程序，使程序可以对彩色图像的亮度信息进行编码，并求出压缩比、编码效率。 2. 参照附件中的Huffman编码程序，实现Shannon-Fano编码。 3. 分析附件程序中的算术编码程序，实现解码部分。

MD5算法，使用C\C++实现，可以进行借鉴学习~~~~

在雷达及声纳信号处理系统中，波束形成算法通常采用DSP软件编程实现，控制逻辑电路采用CPL...

sklearn决策树算法实现-附件资源

【图像去噪】基于小波变换、contourlet变换、contourlet-小波变换+PCA算法实现SAR图像去噪matlab代码.zip

本题主要内容是模拟实现资源分配。同时要求编写和调试一个系统动态分配资源的简单模拟程序，观察死锁产生的条件，并使用适当的算法，有效的防止和避免死锁的发生。