搜索资源列表
Renju
- 五子棋的的程序，用MFC编写了游戏的运行界面，主要的算法是试用了博弈树和博弈决策！-Gobang of procedures, using MFC prepared to run the game interface, the main algorithm is tested in decision-making game trees and games!
huffman_coding
- 本程序建立了哈夫曼树并求出了各字符哈夫曼编码，但不能对需要编码的文件进行分析，作出最优或 近似最优的决策 建树的时间复杂度:O(nlogn) 求解编码的平均时间复杂度:O(n*d) d为哈夫曼树叶子的深度的期望，最坏情况的d=(n^2+n-2)/2n. 编码的最坏时间复杂度为O(n^2)-This procedure established a Huffman tree and calculated the various characters in Huffman c
61IC_H4231
- PAV (H265) 是 音视频 压缩解压 协议，非常不同于H264/MPEG4，ZPAV (H265) 的基本算法 是 小波，多级树集合群，广义小波，数学形态小波，...... ZPAV (H265) 基本算法 ： 1，图象与声音分解与合成 ：小波 ； 2，图象与声音前处理 ：小波子带零交叉降噪，目标纹理处理，语音处理 ； 3，速率控制 ：小波子带熵速率控制 ； 4，量化与反量化 ：小波子带熵量化与反量化 ； 5，低频分量和高频分量的降维 ：小波子带邻域交
tree_1.0-29
- 回归树分析软件，决策回归，带有源码。占用内存小的特点。-source code
DP
- 随着动态规划在 OI 中的广泛运用，动态规划问题已经不再停滞于能够写出 方程就能得到完美解答。如今考察我们的对于动态规划的运用往往是考察动态规 划的优化，也就是降维。我们已经知道维护方程中的决策可以选择用数据结构进 行优化，比如：Splay、线段树，等等。这样的优化仅能将方程的时间复杂度下 降一个 LogN 的级别。如果 N 的范围相当大，即使下降一个 LogN 的级别也依然 超时呢？我们引进一种更强的优化——斜率优化。-With the extensive use of d
the-minimum-cost-of-a-binary-tree
- 在二分检索树中，为了把动态规划应用于得到一颗最优二分检索树的问题，需要把构造这样的一个数看成是一系列决策的结果，而且要能列出求取最优决策序列的递推式，可以帮助你了解最优成本二叉树的实现-In a binary search tree, dynamic programming is applied in order to get the best question a binary search tree, we need to construct a number such as a resul
ID3AlgorithmforWeatherJudge
- 讲ID3算法应用于天气决策。给定一组数据集，构建ID3判定树，对某一天气状况进行判断。使用Python脚本编写，C语言版本可参考百度文库（http://wenku.baidu.com/link?url=B3ltO-rUB7K927wLNaGaSInD0hoXRzjVtxFhwcvCdKqewIOu4BZ3SzpC9kRER4qOdBW2_19j-TdYd0H13LJhXZWApI1udXK3wIKBYwso37e），未验证。-Speak ID3 algorithm is applied to w
treePlotter
- 决策树根据信息增益对数据进行分类，并且构造树的结构，输出结果易于理解-Decision tree based on information gain to classify the data, and construct the structure of the tree, the output result is easy to understand
MinMaxTree
- 游戏树在人工智能的应用相当重要，若要寻找某赛局中最佳的步法的一个方式，是利用极小化极大算法在游戏树中搜寻最佳解，例如在井字游戏中电脑可以很快速地找到最佳解并做出决策。-Application of artificial intelligence in the game tree is very important, to find an innings in a manner best step is to use Minimax in the game tree search for the
Decision-two-fork-tree
- 人工智能课程，决策二叉树的一些代码，仅供参考-AI course some code, binary decision for reference purposes only
knn-MATLAB
- 这是一个实现简单的多数表决法的KNN算法。KNN算法涉及三个重要的步骤，分别是决定K的大小；距离的表达方法（一般有欧式距离，曼哈顿距离，Minkowski距离）；决策方法（多数表决法，KD树法等）。本程序是采用多数表决的决策方法，距离表达采用欧式距离。适用于小样本少特征的数据集。(KNN algorithm realized by MATLAB, useful for small training set and less features.)
神经网络入门13课源码
- 神经网络入门13课源码 第一课 MATLAB入门基础 第二课 MATLAB进阶与提高 第三课 BP神经网络 第四课 RBF、GRNN和PNN神经网络 第五课 竞争神经网络与SOM神经网络 第六课 支持向量机( Support Vector Machine, SVM ) 第七课 极限学习机( Extreme Learning Machine, ELM ) 第八课 决策树与随机森林 第九课 遗传算法( Genetic Algorithm, GA ) 第十课 粒子群优化( Part
machine_learning_python-master
- 通过阅读网上的资料代码，进行自我加工，努力实现常用的机器学习算法。感知机的基本形式和对偶形式的实现 Kmeans和Kmeans++的实现 EM GMM高斯混合和GMM+LASSO的实现 实现朴素贝叶斯的基本算法和高斯混合朴素贝叶斯算法 实现决策树的基本算法 实现adaboost基本算法 实现svm基本算法 实现逻辑回归基本算法(By reading the data codes on the Internet, we can process oursel
关于机器学习的十大经典算法
- C4.5算法是机器学习算法中的一种分类决策树算法,其核心算法是ID3算法.C4.5算法继承了ID3算法的优点，并在以下几方面对ID3算法进行了改进：1)用信息增益率来选择属性，克服了用信息增益选择属性时偏向选择取值多的属性的不足;
关于人工智能在数据质量管理中的应用
- 说实在的，这个概念有些过于高大上，从大的方面包括、、强化学习等等，而深度学习又包括图像识别、语音识别、自然语言处理、预测分析;机器学习则包括监督学习、无监督学习、半监督学习，监督学习又细分为回归、分类、决策树等等。理论上人工智能什么都能做，什么都能迎合的上。
id3.1(1)
- 在python中，利用ID3方法画决策树,决策树是一种依托决策而建立起来的一种树。在机器学习中,决策树是一种预测模型,代表的是一种对 象属性与对象值之间的一种映射关系(In Python, ID3 method is used to draw decision tree. Decision tree is a kind of tree based on decision. In machine learning, decision tree is a prediction model, whic
Decision_tree-python
- 使用决策树（包括ID3,C45,CART）对数据做多分类预测。(Use Decision Tree to classify.)
机器学习之随机森林
- Bagging是并行式集成学习方法最著名的代表，Bagging通常对分类任务使用简单投票法，随机森林（RF）是Bagging的一个扩展变体，RF在以决策树为基学习器构建Bagging 集成的基础上，进一步在决策树的训练过程中引入了随机属性选择。在RF中，集成模型的每棵树构建时所需的样本都是由训练集经过有放回的随机抽样得来（即自助采样法bootstrap sample）。
常用算法的代码
- 包括神经网络，决策树，随机森林，支持向量机等，利于初学者学习进步。
机器学习算法各种代码
- 机器学习算法各种代码，包含svm，pca，lda，决策树等源码