资源列表
K－均值聚类算法C++编程
- K-均值聚类算法的编程实现。包括逐点聚类和批处理聚类。K－均值聚类的的时间复杂度是n*k*m，其中n为样本数，k为类别数，m为样本维数。这个时间复杂度是相当客观的。因为如果用每秒10亿次的计算机对50个样本采用穷举法分两类，寻找最优，列举一遍约66.7天，分成3类，则要约3500万年。针对算法局部最优的缺点，本人正在编制模拟退火程序进行改进。希望及早奉给大家，倾听高手教诲。-K-means clustering algorithm programming. Point by point, inc
高速公路车牌自动识别系统的应用探讨
- 牌照自动识别-license Automatic Identification
条码自动识别技术及市场
- 条码技术-barcode technology
车辆自动识别监控系统设计
- 车辆识别-vehicle identification
asm_swarm
- 人工股市（Artificial Stock Market，简称ASM）是模拟股市运作的一个程序。在这个电脑中的虚拟市场中，若干被称为交易者的人工智能程序(Agent)通过观察它们所在的数字世界中股价和股息的不断变换而做出预测，并且根据这些预测做出购买股票与否以及购买股票数量的决策。反过来，所有的交易者的决策又决定了股票的价格，这样，整个的股票交易市场就构成了一个自我封闭的计算系统。同时，这些交易者都具有学习的能力，可以根据以前预测的成功或者失败对自己的决策进行调整，并且通过一种被称为遗传算法的方
自组织系统Kohonen网络模型源程序
- 自组织系统Kohonen网络模型。对于Kohonen神经网络，竞争是这样进行的：对于“赢”的那个神经元c，在其周围Nc的区域内神经元在不同程度上得到兴奋，而在Nc以外的神经元都被抑制。网络的学习过程就是网络的连接权根据训练样本进行自适应、自组织的过程，经过一定次数的训练以后，网络能够把拓扑意义下相似的输入样本映射到相近的输出节点上。网络能够实现从输入到输出的非线性降维映射结构：它是受视网膜皮层的生物功能的启发而提出的。~..~-Kohonen network model. For Kohonen
92 java版本
- 本程序是用java语言编写的数据挖掘分类算法中的决策树分类方法c4.5程序代码-this procedure is used java language classification of data mining algorithms decision tree classification code Bank
c4.5数据挖掘算法源代码，LINUX版本
- 本程序是用c语言编写的基于决策树分类方法的数据挖掘算法，它对测试集进行分类，挖掘出潜在的规则-this procedure is used to prepare the language c decision tree classification based on the data mining algorithm, which tests set for classification, tapping the potential rules
pc4.5.tar
- 此代码是用c语言编写的决策树的c4.5代码，它是数据挖掘分类算法中的一种，可以对给定数据集进行分类，挖掘出规则-this code is c language of the decision tree Bank code, which is data mining classification algorithm of a can of a given data set for classification, tapping rules
Stochastic-Programming-2
- 随机规划解决随机优化问题，主要用到遗传算法，神经元网络。-stochastic programming problem solving stochastic optimization, use genetic algorithms, neural network.
opencv_apps_b1_5
- 微软的基于HMM的人脸识别原代码, 非常经典的说-Microsoft HMM-based Face Recognition source, said the very classic
以K－均值聚类结果为初始解的模拟退火聚类
- 由于K－均值聚类算法局部最优的特点，而模拟退火算法理论上具有全局最优的特点。因此，用模拟退火算法对聚类进行了改进。20组聚类仿真表明，平均每次对K结果值改进8次左右，效果显著。下一步工作：实际上在高温区随机生成邻域是个组合爆炸问题（见本人上载软件‘k－均值聚类算法’所述），高温跳出局部解的概率几乎为0，因此正考虑采用凸包约束进行模拟聚类，相关工作正在进行。很快将奉献给各位朋友。-as K-means clustering algorithm for optimal local character