包含正则表达式解析、生成NFA、生成DFA、生成最小DFA、生成C代码的xlex
2023-04-12 14:02:48
16KB
1
正则表达式到Java中的DFA
这是通过使用Java语言创建和使用语法树将regex（正则表达式）转换为DFA的方法。
该项目是我们在大学第五学期（@KNTU）的编译器课程中完成的一个较大项目的一部分，以创建一个简单的编译器。
入门
:small_blue_diamond: 观看此视频以了解概念： :
注意一些规则：
NetBeans是我编写的IDE。您可以克隆此项目并将其轻松导入NetBeans。
使用的类如下：
正则表达式
语法树
二叉树
节点
叶节点
DfaTraversal
州
这是一个在主函数中调用的初始化方法：
public static void initialize() {
DStates = new HashSet<> ();
input = new HashSet< String> ();
String regex = getRegex();
getSymbols(regex);
SyntaxTree st = new SyntaxTree (regex);
root = st . getRoo
2023-04-11 20:27:19
1.36MB
1
DFA_in_Java
创建一个程序 (java) 的练习，该程序从 txt 文件中读取 DFA，获取用户输入字符串，并输出 DFA 是否接受或拒绝该字符串。
编码 DFA - 设计一种将 DFA 表示为文本文件的方法。
DFA 的文本文件有 6 个部分。 第一部分是 DFA 接受的字符串类型的描述。 下一行是州的总数，然后是 DFA 的字母表。 我有一个用于开始状态的字段，尽管我的所有示例 DFA 文件都从状态 0 开始。接受状态是与状态位置相对应的数字。 最后转换有状态，下一个状态基于 0 输入，下一个状态基于 1 输入。 转换函数基于书中描述的转换表。
示例：description 此 DFA 接受以 1 结尾的字符串。 状态数量 2 字母表 01 开始状态 0 接受状态 1,# transition from state 0 0,0,1 transitions from s
2023-04-06 09:16:13
5KB
1
编译原理实验作业，包括正规式转NFA，NFA转DFA，以及DFA最小化。
参考了网上很多代码，可能会有些乱，有实验报告，可以按照实验报告截图操作。试了很多表达式，最后转化的都是正确的，当做实验作业已经够用了。
2023-03-12 19:33:54
841KB
1
DFA 算法是一种用于估计长期时间相关性的标度分析方法。
描述：去趋势波动分析（DFA）算法是一种缩放分析方法，用于估计幂律形式的长期时间相关性。 换句话说，如果事件序列具有自相关缓慢衰减的非随机时间结构，则 DFA 可以量化这些相关衰减的速度，如 DFA 幂律指数所示。
我们在这里介绍了作为神经生理学生物标志物工具箱的生物标志物实现的 DFA 算法。 您可以在http://www.nbtwiki.net下载此工具箱。
关于去趋势波动分析的教程可以在这里找到： http ://www.nbtwiki.net/doku.php? id= tutorial:detrended_fluctuation_analysis_dfa
2022-12-15 22:03:06
6KB
1
基于DFA的C语言注释删除程序，经过分析需要删除的注释大概有一下4中情况：
1、int a ; //这里是注释 ；
2、int a ; /*这里
是注释
是的*/ ；
3、int a ; /*这里是注释*/ ；
4、对于字符串中的注释符不做处理如：
printf("adfadsf/*sdfaf*/ \n"); 对其中的/**/之间的注释不做处理
printf("adfasdf//adsfadsf//afdadsf\n");对其中的//注释也不做处理
5、对于换行符 \ 不做处理；
2022-12-04 14:10:32
710KB
1
matlab均方误差的代码程序DFluC
程序DFluC是用于去趋势波动分析（DFA）的MATLAB程序。
与其他DFA软件相比，DFluC程序在执行时特别注意边缘情况，例如部分未观察到和/或不规则采样的数据。
Prolegomenon
DFA是一种估算赫斯特指数的方法，用于量化一维过程的自相似性和长期相关性。
[笔记。
为方便起见，本文档没有区分适当的过程和从该过程中采样的（观察到的，可能还有一些未观察到的或“缺失的”）值的数组。
过程/阵列在下面用y表示，也称为“数据”。
（“信号”是另一个常用术语，但在本文档中未使用。）]
DFA包含以下步骤：
将数据划分为一定长度的非重叠段或“框”。
减去每个框中的局部多项式趋势，并计算残差的均方根（均方根波动）。
对不同尺寸的包装盒重复上述步骤。
通过回归估计均方根波动和盒子大小之间的幂律关系。
当处理部分未观察到的或不规则采样的数据时，程序DFluC将局部多项式趋势与原位数据点拟合，并避免“缝合”或“变形”数据，以免造成人为的跳跃或改变自相关结构。
当然，如果需要，您可以通过删除所有未观察到的条目并运行Program
DFluC来自己“缝制
2022-11-25 11:08:21
6KB
1