搜索资源列表
Sorter
- 快速排序、堆排序、冒泡排序等各种排序算法，设计模式-Fast sort, heap sort , bubble sort, design pattern
kmp
- 快速实现模式匹配的kmp算法，时间复杂度仅为O（n*m）-Rapid kmp pattern matching algorithm, time complexity is only O (n* m)
string
- 实现朴素模式匹配算法和KMP快速模式匹配算法。 Index(S,T,pos) 函数返回值为串T在串S的第pos个字符后第一次出现的位置。-Achieve simple pattern matching algorithm and KMP pattern matching algorithm. Index (S, T, pos) function returns the string value of S T in the string after the first pos characte
suanfa
- 数据结构基本算法演示程序实现： 1、实现KMP模式匹配算法、哈夫曼编码算法、由遍历序列恢复二叉树、Prim算法、Kruskal算法、Floyd算法、Dijkstra算法、拓扑排序、关键路径算法、二叉排序树生成算法（含平衡化）、哈希表生成及哈希查找算法、希尔排序、快速排序、堆排序、归并排序、基数排序。（四则表达式计算、矩阵运算、有向图的强连通分量求解） 2、算法中的链表结构和数组结构的基本操作要求单独函数实现（同组内算法要求共享使用）。 要求数据结构基本算法演示程序具有菜单选择，算法要
qfile
- 以数据结构记录模式，快速读写二进制文件，便于数据存储与检索-write file
zbox
- 字符串匹配算法zbox,快速求子串在模式串中出现的次数-zbox algorithm
001
- 求字符串next数组，实现快速模式匹配，将文件直接在C++环境下执行即可-String array for next, realizing fast pattern matching
Lying-data-structure9
- 《大话数据结构》主要内容包含：数据结构介绍、算法推导大O阶的方法；顺序结构与链式结构差异、栈与队列的应用；串的朴素模式匹配、KMP模式匹配算法；二叉树前中后序遍历、赫夫曼树及应用；图的深度、广度遍历；最小生成树两种算法、最短路径两种算法；拓扑排序与关键路径算法；折半查找、插值查找、斐波那契查找等静态查找；稠密索引、分块索引、倒排索引等索引技术；冒泡、选择、插入等简单排序；希尔、堆、归并、快速等改进排序-" Westward the data structure," the m
strMatch
- 字节流的快速模式匹配算法, 具有比较详细的注释, 供开发时参考. 速度高于 strstr, 且支持字节流. -Byte stream of fast pattern matching algorithms, with detailed notes for reference when developers faster than strstr, support byte stream.
ProxyDemo
- 代理模式的java代码实现，通过几个类演示了代理模式，方便新手快速地学习和掌握。-Agency model java code, demonstrated by the several classes proxy mode to facilitate the novice to quickly learn and master.
match-of-characters
- 用朴素模式匹配算法和快速模式匹配算法实现字符串的模式匹配为题，带有详细的运行说明。-With a simple pattern matching algorithm and fast pattern matching algorithm string pattern matching the title, with a detailed descr iption of the operation.
sample4
- 工神经网络（Artificial Neural Network）又称连接机模型，是在现代神经学、生物学、心理学等学科研究的基础上产生的，它反映了生物神经系统处理外界事物的基本过程，是在模拟人脑神经组织的基础上发展起来的计算系统，是由大量处理单元通过广泛互联而构成的网络体系，它具有生物神经系统的基本特征，在一定程度上反映了人脑功能的若干反映，是对生物系统的某种模拟，具有大规模并行、分布式处理、自组织、自学习等优点，被广泛应用于语音分析、图像识别、数字水印、计算机视觉等很多领域，取得了许多突出的成果
Matlab-(Bayers)
- 线性分类器可以实现线性可分的类别之间的分类决策，其形式简单，分类决策快速。但在许多模式识别的实际问题中，两个类的样本之间并没有明确的分类决策边界，线性分类器（包括广义线性分类器）无法完成分类任务，此时需要采用其它有效的分类方法。贝叶斯分类器就是另一种非常常见和实用的统计模式识别方法。-Linear classifier can be realized linearly separable classification decision between classes in the form of