搜索资源列表
遗传算法_VC源码
- 最近研究遗传算法，得到这点程序，均很好运行，共享给大家。同时还想得到更好更多的有关遗传算法的程序，望大家多多奉献。没有加密，解压即可-recent research on genetic algorithms, to be this procedure which is a good run for everyone to share. While more would like to be better in the GA process, we look a lot dedication.
CURE
- 数据挖掘算法之一，基于代表点的CURE聚类算法，该算法先把每个数据点看成一类，然后合并距离最近的类，直至类个数为所要求的个数为止。-CURE cluster algorithm based on representive point,one of data mining algorithms,classifies each data as a category firstly, then unifies categories with the nearest distance into one
ICP
- ICP迭代最近点算法的使用，使用matlab实现了ICP迭代最近点算法的方针，还包括了四元函数法和线性约束等基本方法的代码实现。-Iterative closest point ICP algorithm for the use of matlab to achieve the iterative closest point ICP algorithm approach, including the quaternary function method and the linear constr
Automatically-find-its-way-demo
- 首先生成8个方向的节点，tmp(tmpe)用于记录生成的节点对应的节点号 ** ** 新生成的节点的指针（d1 -表示离开起始点的 距离)指向生成他的父节点 ** **, 按该点到目的地的大小nude(i).d2 排序后加入opened列表， ** ** (opened 总是指向离 目的地最近的点)然后再从opened表中取出一个节点,生成新的节点** ** ** 按8个方向生成新的节点，如果要生成的节点 已经存在（在tmp(tmpe) 中)就比较以下 ** **
pfzjd
- 借助最优化和支持向量机中的平分最近点法来解决问题-With optimization and support vector machine bisects the nearest point to solve the problem
apcluster
- AP聚类算法：Affinity Propagation (AP) 聚类是最近在Science杂志上提出的一种新的聚类算法。-Affinity Propagation (AP) 聚类是最近在Science杂志上提出的一种新的聚类算法。它根据N个数据点之间的相似度进行聚类,这些相似度可以是对称的,即两个数据点互相之间的相似度一样(如欧氏距离) 也可以是不对称的,即两个数据点互相之间的相似度不等。这些相似度组成N×N的相似度矩阵S(其中N为有N个数据点)。AP算法不需要事先指定聚类数目,相反它将所有的
GA
- 遗传算法简单实现C语言实现，计算三点之间最近点的模型-Genetic algorithm implemented by C language
Cluster_K-means
- k中心算法的基本过程是:首先为每个簇随意选择一个代表对象，剩余的对象根据其与每个代表对象的距离（此处距离不一定是欧氏距离，也可能是曼哈顿距离）分配给最近的代表对象所代表的簇；然后反复用非代表对象来代替代表对象，以优化聚类质量。聚类质量用一个代价函数来表示。当一个中心点被某个非中心点替代时，除了未被替换的中心点外，其余各点被重新分配。-The basic process k center algorithm is: First free to choose a delegate object fo
KNN
- 实现一个knn 分类器。 使用欧氏距离作为度量距离 使用’my_order.m’函数脚本获得某个点最近的K 个邻居 使用’my_classify.m’函数脚本获得点的类型。 给定参数k，就可以调用这两个函数完成knn 分类器功能。 -Achieve a knn classifier. Using Euclidean distance as a measure of distance using the my_order.m function scr ipt to ge
keras-master
- 最近一直在用keras，说点个人感受。 1、keras根植于python及theano，人气比较旺。 2、提供较为上层的框架，搞个深度学习的原型非常方便。 3、更新很快，我记得几个月前还没有multi-task的能力，最近再查就提供了graph的对象。 4、最重要的，文档很全。这点超过其它类似的基于theano的框架（Lasagne, Opendeep, Blocks）-Keras is a high-level neural networks library, written
kmeans
- 可以直接拿来用 python2.7 在数据挖掘中，K-Means算法是一种 cluster analysis 的算法，其主要是来计算数据聚集的算法，主要通过不断地取离种子点最近均值的算法。(In the data mining, K-Means algorithm is a cluster analysis algorithm, which is mainly to calculate the data aggregation algorithm, mainly through the con
A星算法
- 算法可绕过障碍点，实现起始点与目标点的最近距离(The algorithm can bypass the obstacle point and realize the closest distance between the starting point and the target point.)