搜索资源列表
Mafia-1.4
- 关联规则中的频繁项集生成算法Mafia1.4版本，一个效果非常好的算法，可在linux和windows下编译运行。-association rules of frequent item sets Algorithm Mafia1.4 version, a very good effect algorithm, and the Linux compiler running under windows.
newgenmax
- 关联规则中的频繁项集生成算法genmax，可在linux和windows下编译运行，可能不太容易看懂。-association rules of frequent item sets genmax generation algorithm, and the Linux compiler running under windows, it may not be easy to understand.
TreeMiner
- 关联规则中的频繁项集生成算法TreeMiner，可在linux和windows下编译运行。-Frequent one of related rule collect and produce algorithm TreeMiner , can compile running under linux and windows
ID3算法源程序(C语言)
- ID3算法源程序。使用的方法是编写一个*.dat文件保存样本数据，还有一个*.tag文件保存属性列名，且最后一个属性是标号属性。运行是输入id3 文件名。输出格式是一个二叉判定树。-ID3 algorithm source. The method used was to prepare a document preservation *. dat sample data, a document preservation *. tag attributes listed, and the fina
evaluat_max
- 关于演化算法的小程序.以一个二元二次方程的求极值为例.对输入参数作了简化的固定处理.较好的说明了演化算法.可直接运行.-on evolutionary algorithm small procedures. A binary quadratic equation for the extreme example. To simplify the input parameters fixed address. A good note evolutionary algorithm. Direct op
xor
- RSA算法实现(经典) 1. 首先要把文件夹中的rsa.c文件拷贝到运行工具（如TURBOC2）下文件夹名为INCLUDE的文件夹中。 （在本机上已经做过，所以不需要做） 2. RSA的加密对象为C盘下文件名为CODE.txt的前8位（如果没有一定要在C盘下建立一个文件名为CODE.txt的文件， 把要加密的数据写到文件里），加密后在C盘下生成一个文件名为RSACIPER.txt文件。 （在本机上已经做过，所以不需要做以上二步）
经典rsa
- 1. 首先要把文件夹中的rsa.c文件拷贝到运行工具（如TURBOC2）下文件夹名为INCLUDE的文件夹中。 （在本机上已经做过，所以不需要做） 2. RSA的加密对象为C盘下文件名为CODE.txt的前8位（如果没有一定要在C盘下建立一个文件名为CODE.txt的文件， 把要加密的数据写到文件里），加密后在C盘下生成一个文件名为RSACIPER.txt文件。 （在本机上已经做过，所以不需要做以上二步） 但在其它机子上
RSES2
- 用于处理属性约检的程序 解压缩后，可以直接运行，但是之前必须要安装jdk，大家可以试一下，效果非常好，是国外开发的-attributes for the seizure of decompression procedures, they can run directly, but must be installed before jdk, we can try something very good results, the development of foreign
RSet-test
- 某个实验事编写粗糙集智能信息处理的程序，可以直接运行，界面简洁方便-some experimental things prepared rough set of intelligent information processing procedures, and can directly run simple convenient interface
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.
apriori_windows
- 关联规则的apriori算法实现，运行于windows环境下-association rules algorithm algorithm, which runs on Windows environment
BP1_7
- bp算法，网络为1－5－2－2－1。函数为y=sin(3x)cosx+1。这是用c语言写的，能运行，可以画图，这是神经网络的一个作业。-bp algorithms, network 1-5-2-2-1. To function y = sin (3x) cosx 1. It is written in C language, can run, drawing, which is a neural network operations.
MATLABSHOUXIESHIBIE
- 这是一个用matlab实现的RBF神经网络手写数字识别算法.此算法加入相应的手写数字图后可以运行.-This is a realization of using Matlab RBF neural network recognition algorithm handwritten figures. This algorithm adherence to the corresponding figures handwritten map after the run.
BAM_Neural_Network
- BAM是一种两层的异联想，内容可寻址存储器组成的反馈网络。 分类：离散，连续 和自适应BAM等。 1987年和1988年由Kosko提出的BAM型。 网络运行是双向的。对网络的一端输入信号，则可在另一端得到输出，该输出又反馈回来，经过多次反复，直到网络达到稳态为止-BAM is a two-tier Heteroassociation, content addressable memory component of the feedback network. Classifica
DE_FORTRAN90.f90
- 这是一个可以运行的遗传算法fortran源码，变量涉及得很多！也是实数编码-This is a run of the genetic algorithm FORTRAN source, a lot of variables involved! Also real coding
bp23456
- 该程序为文本文档，可在matlab 中运行-the procedures for text documents can be run in Matlab
Volterra_luzhenbo5
- 更新说明： 此版本在版本1、2的基础上做了2点重大改进 1、改进了PhaSpa2VoltCoef函数算法，使得现算法的运行速度约是原算法的4倍 2、改进了volterra_train_lu函数算法，使得相对均方误差提高了约1000倍，新算法不再需要对样本做归一化处理-Update : This version of the 1,2 version on the basis of a 2:00 a significant improvement, improved PhaSpa2Vol
svm-toy
- SVMtoy 一个SVM图形化演示工具，可以直观地观察SVM的运行情况。-SVMtoy a graphical presentation tools, visual observation of the operation of the SVM.
svmTrain.svmTrain svm在matlab中运行 训练
- svmTrain svm在matlab中运行 训练,svmTrain svm training run in matlab
基于遗传算法的电动汽车换电站经济运行_张帝
- 基于遗传算法的电动汽车换电站经济运行，这篇文章写的很好，推荐学习(Based on the genetic algorithm for electric vehicles for the economic operation of the power station, this article is well written, recommended Learning)