均值算法
Ⅰ 关于通信原理均值的算法
cos(wt)的平方等于1+cos(2wt)~~之后你懂的~
Ⅱ 求平均值的算法
…………这么简单的程序你应该靠自己完成的。
算了为了团队任务我写个参考给你，但是最好你还是自己做。
#include<stdio.h>
#define MAX 100
void main()
{int i,s,a[MAX],n=0;
char j;
for(i=0;(j=='N')||(j=='n');i++)
{printf("please input the num:");
scanf("%d",a[i]);
printf("OK?Y/N.\n");
scanf("%c",&j)
}
for(i=0;a[i]='\0';i++)n+=a[i];
n=n/(i+1);
printf("%d",n);
}
Ⅲ 平均算法是怎么算的
其计算公式如下：
MA =（C1 + C2 + C3 + ... + Cn）的/ N
[注释] C：一天的收盘价N：移动平均周期移动
>平均法：“平均”是指最近n天，该行的收盘价的算术平均值; “移动”是指在计算中，始终采用的价格数据的最后n天。因此，数组（最近n天的收市价格）随着交易日的新变化，一天一天起的平均值。在计算均线，最近n天的通常是收盘价。新阵列的收市价每日补充说，和第n +1个收市价着倒计时被摘了下来，然后，再由新n的总和计算，得到的平均值（n天平均值）的新的一天。
Ⅳ 求平均值的算法。C语言
#include<stdio.h>
intmain()
{
inta[10],i,s;
s=0;
for(i=0;i<10;i++)
scanf("%d",a+i);
for(i=0;i<10;i++)
s+=a[i];
printf("%d",s/10);
}
Ⅳ 平均算法
在粗化过程中，一个结果网格块常包含多个输入网格块，因此对结果网格块的赋值需要计算多个输入网格块的平均值。计算平均值方法可分为简单平均法和组合方向平均法。
1. 简单平均法
简单平均法主要用于计算标量的平均值，如孔隙度和饱和度等。它们也可以用于计算各方向的有效渗透率近似值。
（1） 算术平均
算术平均技术是最简单和最直观的一种方法。它一般用于获得结果网格的有效孔隙度。同时，已经证明算术平均值是任何给定方向上结果网格有效渗透率的理论上限。其表达式如下：
油气田开发地质学
式中：PA——结果网格块属性值；Pn——输入网格块的属性值；Wn——输入网格块的体积 （权重）。
（2） 几何平均
对于相同数据，几何平均值比算术平均值小。几何平均可表示为：
油气田开发地质学
注意：如果Pn＝0，则PG＝0；如果Pn <0，则几何平均值不确定。
（3） 调和平均
对于相同数据，调和平均值比算术平均值和几何平均值都小。同时，已经证明调和平均值是任何给定方向上结果网格有效渗透率的理论下限。其表达式为：
油气田开发地质学
注意：如果Pn＝0，则PH＝0。
（4） 幂平均
P的幂平均值由下式给出：
油气田开发地质学
式中：ω——平均幂。
上式是简单平均的一般式。ω分别为-1，0，1，对应于调和平均，几何平均，算术平均。
2. 组合方向平均法
组合方向平均法主要用于计算有效 （平均） 渗透率。它们综合利用算术和调和平均计算不同网格方向X，Y，Z上的渗透率。
（1） 调和-算术平均
调和-算术平均是一种将调和和算术平均组合在一起的算法。它能计算X，Y，Z上的渗透率。首先，计算与选择方向平行的每行网格块的渗透率调和平均，然后计算调和平均值的算术平均值（图6-19）。理论上，对于有效渗透率，调和-算术平均值比调和平均值更小的下限值。其表达式如下：
油气田开发地质学
图6-19 调和-算术平均法
（2） 算术-调和平均
算术-调和平均是一种将算术和调和平均组合在一起的算法。它也能计算X，Y，Z上的渗透率。首先计算所选方向垂直的每个平面网格块渗透率的算术平均，然后计算调和平均值的算术平均值 （图6-20）。理论上，算术-调和平均值比算术平均值较小的上限值。其表达式如下：
油气田开发地质学
图6-20 算术-调和平均法
Ⅵ 数学计算方法中有一种叫做“均值法”,具体是什么意思请举一例子详细讲解
是利用均值不等式,如：求3x 3x分之5的最大值就可以是2(3x＊9/3x）^1/2等于6
Ⅶ ps直方图 平均值算法
这个直方图不一定是过曝 ， 大面积亮色调的照片正常曝光直方图就是这样
Ⅷ k均值聚类算法、c均值聚类算法、模糊的c均值聚类算法的区别
k均值聚类：---------一种硬聚类算法，隶属度只有两个取值0或1，提出的基本根据是“类内误差平方和最小化”准则；
模糊的c均值聚类算法：-------- 一种模糊聚类算法，是k均值聚类算法的推广形式，隶属度取值为[0 1]区间内的任何一个数，提出的基本根据是“类内加权误差平方和最小化”准则；
这两个方法都是迭代求取最终的聚类划分，即聚类中心与隶属度值。两者都不能保证找到问题的最优解，都有可能收敛到局部极值，模糊c均值甚至可能是鞍点。
至于c均值似乎没有这么叫的，至少从我看到文献来看是没有。不必纠结于名称。如果你看的是某本模式识别的书，可能它想表达的意思就是k均值。
实际上k-means这个单词最先是好像在1965年的一篇文献提出来的，后来很多人把这种聚类叫做k均值。但是实际上十多年前就有了类似的算法，但是名字不一样，k均值的历史相当的复杂，在若干不同的领域都被单独提出。追寻算法的名称与历史没什么意义，明白具体的实现方法就好了。