搜索资源列表
编译原理及实践
- 目 录 译者序 前言 第1章 概论 1 1.1 为什么要用编译器 2 1.2 与编译器相关的程序 3 1.3 翻译步骤 5 1.4 编译器中的主要数据结构 8 1.5 编译器结构中的其他问题 10 1.6 &
cifafenxiqi
- 写了一个词法分析器 这里以开始定义的PASCAL语言子集的源程序作为词法分析程序的输入数据。在词法分析中，自文件头开始扫描源程序字符，一旦发现符合“单词”定义的源程序字符串时，将它翻译成固定长度的单词内部表示，并查填适当的信息表。经过词法分析后，源程序字符串（源程序的外部表示）被翻译成具有等长信息的单词串（源程序的内部表示），并产生两个表格：常数表和标识符表，它们分别包含了源程序中的所有常数和所有标识符。-was a lexical analyzer here to start the de
dataview
- DataView 的一个主要功能是允许在 Windows 窗体和 Web 窗体上进行数据绑定。 另外，可自定义 DataView 来表示 DataTable 中数据的子集。此功能让您拥有绑定到同一 DataTable、但显示不同数据版本的两个控件。例如，一个控件可能绑定到显示表中所有行的 DataView，而另一个控件可能配置为只显示已从 DataTable 删除的行。DataTable 也具有 DefaultView 属性。它返回表的默认 DataView。例如，如果希望在表上创建自定义视
数据结构的C++描述
- 目 录 译者序 前言 第一部分 预备知识 第1章 C++程序设计 1 1.1 引言 1 1.2 函数与参数 2 1.2.1 传值参数 2 1.2.2 模板函数 3 1.2.3 引用参数 3 1.2.4 常量引用参数 4 1.2.5 返回值 4 1.2.6 递归函数 5 1.3 动态存储分配
r214
- 多假设跟踪算法（MHT）是一种在数据关联发生冲突时，形成多种假设以延迟做决定的逻辑。与PDA合并多种假设的做法不同，MHT算法把多个假设继续传递，让后续的观测数据解决这种不确定性。举个例子，PDA对所有假设以对应的概率进行加权平均，然后再对航迹进行更新。因此，如果有10个假设，PDA会将这10个假设有效的合并只留下一个假设。而另一方面，MHT却是保持这10个假设的子集并延迟决定，这样可以利用之后的观测数据解决当前扫描帧的不确定性问题。 -Multiple Hypothesis Tracking
json-c-0.7
- JSON(Javascr ipt Object Notation) 是一种轻量级的数据交换格式。易于人阅读和编写。同时也易于机器解析和生成。它基于Javascr ipt（Standard ECMA-262 3rd Edition - December 1999）的一个子集。 JSON采用完全独立于语言的文本格式，但是也使用了类似于C语言家族的习惯（包括C, C++, C#, Java, Javascr ipt, Perl, Python等）。这些特性使JSON成为理想的数据交换语言。[编辑本段]
Subset
- 这是一个关于用递推法解决求某一个集合的所有的子集。非常适合初学数据结构的同胞阅读。-It is a recursive method used to solve a set for a subset of all. Data structure is very suitable for beginners to read compatriots.
AnimprovedBayesianfacerecognitionalgorithm
- 对人脸识别的贝叶斯方法ML中相似度计算公式进行了简化，对数据集的训练和人脸图像的预处理进 行了修改，提出了一种改进的贝叶斯人脸识另1】算法SML。在FERET人脸图像库的子集和南大人脸图像实验库上对 识别算法进行了测试和比较。实验表明，SML算法提高了ML算法的效率，克服了ML算法计算效率不高的缺陷，而 且SML的识别效率明显高于PCA方法。-Bayesian face recognition method on the ML in the similarity formula ha
AprioriMain
- 此算法实现了基本的Apriori算法,效率很低. 过程是:先通过对数据集进行扫描,得到候选1-项集C1,根据用户输入的最小支持度筛选出频繁1-项集L1,将筛选中 不满足条件的结果放入一个先验项集,然后对L1进行组合,并根据Apriori算法的先验原理,用每个组合的结果和先 验项集中的所有元素进行比较,如果组合结果的子集中包含先验集中的任何一个元组就将其排除,将没有被排除 的组合结果放入C2.如此循环反复,直到Cn或Ln为空. 2008.11.1-2008.11.3
clusterequal
- 将一个数据集通过聚类划分成若干大小相等的子集-decompositioning a large set into many subsets of equal set-size
MNIST-handwritten-digits
- 手写数字识别数据集，MNIST，包括原始数据集的所有样本，以及抽取的2000个样本的子集，.mat格式。美国著名数据集NIST的子集，模式识别常用实验数据集-handwritten digits recognition ,dataset, MNIST from NIST, .mat file,
MetaSeeker-4.11.2
- 主要应用领域： • 垂直搜索（Vertical Search）：也称为专业搜索，高速、海量和精确抓取是定题网络爬虫DataScraper的强项，每天24小时每周7天无人值守自主调度的周期性批量采集，加上断点续传和软件看门狗(Watch Dog)，确保您高枕无忧 • 移动互联网：手机搜索、手机混搭(mashup)、移动社交网络、移动电子商务都离不开结构化的数据内容，DataScraper实时高效地 采集内容，输出富含语义元数据的XML格式的抓取结果文件，确保自动化
appMobi-jQ.Mobi-4fa2dca
- jQ.Mobi是jQuery的部分重写版本，但针对HTML5和移动设备做了优化。它的文件大小只有3KB，而jQuery则有35KB，并且据JSPerf test的数据，它在Android上要比jQuery快3倍，在iOS上快2.2倍。该框架是由appMobi发布并开源的。因为jQ.Mobi是插件式开发，所以它的编程语法和jQuery完全相同。jQ.Mobi只包含jQuery API的子集，也就是appMobi认为给iOS和Android提供完全相同用户体验最重要的那部分
Data-Mining-Concepts-and-Techniques
- 数据挖掘：KDD 过程，不同类型数据的距离度量方式，小波 PCA 属性子集选择-KMean KModoid BIRCH CHEMELEON DBSCAN OPTICE STING CLIQUE EM SCAN
hz
- 可扩展标记语言，标准通用标记语言的子集，一种用于标记电子文件使其具有结构性的标记语言。它可以用来标记数据、定义数据类型，-Extensible markup language, a subset of the standard generalized markup language, a kind of the structural markup language used to mark the electronic file. It can be used to tag data, the
Hierarchical-clustering-analysis
- 数据聚类 (英语 : Cluster analysis) 是对于静态数据分析的一门技术，在许多领域受到广泛应用，包括机器学习，数据挖掘，模式识别，图像分析以及生物信息。聚类是把相似的对象通过静态分类的方法分成不同的组别或者更多的子集（subset），这样让在同一个子集中的成员对象都有相似的一些属性，常见的包括在坐标系中更加短的空间距离等。-Data Clustering (English: Cluster analysis) for a static data analysis techniqu
allcomb
- 找出一个向量或者数组的所有子集，数组中所有向量的全部组合排列组成的子集(Find a subset of the array)
ransac
- RANSAC算法的输入是一组观测数据，一个可以解释或者适应于观测数据的参数化模型，一些可信的参数。 RANSAC通过反复选择数据中的一组随机子集来达成目标。被选取的子集被假设为局内点，并用下述方法进行验证： 1.有一个模型适应于假设的局内点，即所有的未知参数都能从假设的局内点计算得出。 2.用1中得到的模型去测试所有的其它数据，如果某个点适用于估计的模型，认为它也是局内点。 3.如果有足够多的点被归类为假设的局内点，那么估计的模型就足够合理。 4
Subsets
- 数据输入：由文件input.txt提供输入的数据。文件第一行有2个正整数n和c，n表示S的大小，c是子集和的目标值。接下来的1行中，有n个正整数，表示集合S中的元素。 结果输出：将子集和问题的解输出到文件output.txt。当问题无解时，输出“No Solution”。(Data Entry: The input data provided by the file input.txt. The first line of the file has two positive integers
jiqixuexi
- 编写代码计算信息增益，splitDataSet函数是用来选择各个特征的子集的，比如选择年龄(第0个特征)的青年(用0代表)的自己，我们可以调用splitDataSet(dataSet,0,0)这样返回的子集就是年龄为青年的5个数据集。chooseBestFeatureToSplit是选择选择最优特征的函数。(Write code to calculate the information gain.SplitDataSet function is used to select the featur