搜索资源列表
DataStructure
- java编写的常用的数据结构(二叉树、链表、序列、各种常用排序、栈)-java prepared by the commonly used data structures (binary trees, linked lists, sequence, a variety of the usual sort, stack)
Monkeys-climb-trees
- Flash动画制作实例fla源程序——实现了猴子爬树动画效果。-Flash animation examples fla source- to achieve a monkey climbing tree animation.
Carmichael_Num
- 求卡麦棵而数，很大的也可以，效率很高，快速幂算法-Cameron demand and the number of trees, can also be a great, high efficiency, fast power algorithm
stellah
- machine learning for binary trees, and list then eliminate-parsing trees
BTree
- 二叉树的各种操作，功能有：树的建立、删除； 先序、后序、中序、层次遍历； 节点的查找，节点的插入； 兄弟的查找，父节点的查找； 计算树的深度、叶子数、节点数； 树的拷贝； 判断两个树是否相等； 判断是否是满树、完全树；-Binary tree of various operations, functions: the establishment of the tree, delete the first sequence,
trees
- 机器学习中的c4.5树的源代码，经测试，可以使用-The source code tree c4.5 in machine learning, through the test, can be used
PDIS-91-2-0227B
- Mesquite (Prosopis pallida (Wildenow) Kunth) is a drought-tolerant tree widely distributed in the northern Pacific Coast of South America. This species prevents soil erosion, provides shade, conserves prairies, supports bee nutrition, and provi
random-forest-example
- 随机森林是用随机的方式建立一个森林，森林里面有很多的决策树组成，随机森林的每一棵决策树之间是没有关联的。在得到森林之后，当有一个新的输入样本进入的时候，就让森林中的每一棵决策树分别进行一下判断，看看这个样本应该属于哪一类，然后看看哪一类被选择最多，就预测这个样本为那一类。-Random forests are used in a random way to build a forest, there are a lot of decision trees in the forest, there
RandomForest
- 随机森林是由多棵树组成的分类或回归方法。主要思想来源于Bagging算法，Bagging技术思想主要是给定一弱分类器及训练集，让该学习算法训练多轮，每轮的训练集由原始训练集中有放回的随机抽取，大小一般跟原始训练集相当，这样依次训练多个弱分类器，最终的分类由这些弱分类器组合，对于分类问题一般采用多数投票法，对于回归问题一般采用简单平均法。随机森林在bagging的基础上，每个弱分类器都是决策树，决策树的生成过程中中，在属性的选择上增加了依一定概率选择属性，在这些属性中选择最佳属性及分割点，传统做法
data
- 随机森林算法的构造过程：1、通过给定的原始数据，选出其中部分数据进行决策树的构造，数据选取是”有放回“的过程，我在这里用的是CART分类回归树。 2、随机森林构造完成之后，给定一组测试数据，使得每个分类器对其结果分类进行评估，最后取评估结果的众数最为最终结果-Random Forest algorithm construction process: 1, by a given raw data, which part of the decision tree data structu
Tree
- 以二叉链表形式存储的树的建立和遍历，以先序遍历的顺序创建二叉树，并支持先序、中序以及后序遍历-The creation and traversal of trees stored in a binary linked list
MachineLearning-wepe
- MachineLearning-作者wepe 及其学习的实用包 包含决策树，支持向量机，K-MachineLearning- OF wepe and learn practical package contains decision trees, SVM, KNN, etc.
Colfax-HOW-Day-04
- 引入了线程并行，OpenMP并行框架。讨论的主题包括：使用线程来利用多个处理器内核，线程和数据并行，协调使用OpenMP线程的创建和团队他们处理循环和树木的任务。OpenMP的讨论提到控制线程的数量，控制变量条款和范围的共享，循环调度模式，使用互斥锁来保护竞争的条件，并与线程私有变量减少并行可扩展的方法。讲座部分的结论与讨论的一般方法来实现在计算应用中的并行的机会。动手部分演示了使用OpenMP并行串行计算和论证了循环变量共享，在一个应用实例进行数值积分的互斥和并行还原。-Session 4 i
weka
- 机器学习调用weka的jar包实现的源码，包含朴素贝叶斯,决策树,ID3,以及特征选择的源码，数据集使用weka的数据集，需要使用arff文件读入。-Weka machine learning to call the jar package implements the source, including Naive Bayes, decision trees, ID3, and features selected source dataset weka data set, you need t
Trees
- AVL Tree Implementation using C++ Rotate Left Rotate Right Rotate Left Left Rotate Right Right
tree-and-forest
- 合工大数据结构实验七森林和树的实验源码。包括了所有的实验要求。-Hfut data structure experiment seven forests and trees of the source code.Includes all of the experimental requirements.
tree
- 二叉树是一种重要的非线性数据结构，直观地看，它是数据元素（在树中称为结点）按分支关系组织起来的结构，很象自然界中的树那样。树结构在客观世界中广泛存在，如人类社会的族谱和各种社会组织机构都可用树形象表示。树在计算机领域中也得到广泛应用，如在编译源程序如下时，可用树表示源源程序如下的语法结构。又如在数据库系统中，树型结构也是信息的重要组织形式之一。一切具有层次关系的问题都可用树来描述。满二叉树，完全二叉树，排序二叉树。 后序遍历是二叉树遍历的一种。后序遍历指在访问根结点、遍历左子树与遍历右子
RRT-for-FFSR
- 采用随机搜索树算法（RRT）进行自由漂浮空间机器人避障路径规划的算例.-Obstacle avoidance path planning using Rapidly-exploring Random Trees(RRT) algorithm for free-floating space robot.
hafuman
- C++代码，目的是生成哈夫曼树。哈夫曼树又称最优二叉树，是一类带权路径长度最短的树。其构造可利用哈夫曼最早给出的哈夫曼算法来构造-C++ code is to generate Huffman trees. Huffman tree is also called the optimal two tree, is a class of weighted length of the shortest path tree. Its structure can be used to give the H
cases-for-R
- R的一些案例,包括随机森林、支持向量机、神经网络、决策树、判别分析-some cases of randaom forest,SVM,ANN,decision trees and discriminant analisis for R