搜索资源列表
eryi
- 设B是一个n×n棋盘，n=2k,(k=1,2,3,…)。用分治法设计一个算法，使得：用若干个L型条块可以覆盖住B的除一个特殊方格外的所有方格。其中，一个L型条块可以覆盖3个方格。且任意两个L型条块不能重叠覆盖棋盘
image_compress
- 本程序利用奇异值分解对3通道彩色图像进行压缩分解，具体步骤如下： 压缩过程： 1. 选取子图像大小K值，把图像分解成M×M个子图像，IMG(s),s=1,2,…, M2，其中M=N/K，原始图像IMG大小为N×N。 2. 计算这M2个子图像的平均值average，对每幅子图像减去均值图像得到新图像。 3. 计算相关矩阵R，其元素定义为 。 4. 计算R的特征值与特征向量，计算每幅子图像与最大特征向量的内积，便得到编码，即压缩后的图像。
pattern_recognition_v6.1
- 完整的模式识别库，包括矩阵运算，各种模式识别算法，如K均值、SVM、RVM、NN、LDA等
BP
- 基于BP神经网络的 参数自学习控制 （1）确定BP网络的结构，即确定输入层节点数M和隐含层节点数Q，并给出各层加权系数的初值 和 ，选定学习速率 和惯性系数 ，此时k=1； （2）采样得到rin(k)和yout(k)，计算该时刻误差error(k)=rin(k)-yout(k)； （3）计算神经网络NN各层神经元的输入、输出，NN输出层的输出即为PID控制器的三个可调参数 ， ， ； （4）根据(3.34)计算PID控制器的输出u(k)； （5）进行神经网络学习，在线调整加权
ga-bp
- 程序名：ga_bp_predict.cpp 描述： 采用GA优化的BP神经网络程序，用于单因素时间 序列的预测,采用了单步与多步相结合预测 说明： 采用GA(浮点编码)优化NN的初始权值W[j][i],V[k][j]，然后再采用BP算法 优化权值
zuijiasuanfa
- #include #include #define M 20 #define N 3 int mm[M]={0,0,0,2,3,1,0,4,2,3,2,1,0,3,2,2,1,3,0,1}; int nn[N]; int number; void Xunhuan(void); void FIFO(void); void Best(void); void LRU(void); int main() { char ss[1]; int i,j, *p=nn; int c, k=0; for(i=0;
Haffmancode
- 课程设计： 1.求出在一个n×n的棋盘上，放置n个不能互相捕捉的国际象棋“皇后”的所有布局。 2.设计一个利用哈夫曼算法的编码和译码系统，重复地显示并处理以下项目，直到选择退出为止。 【基本要求】 1) 将权值数据存放在数据文件(文件名为data.txt，位于执行程序的当前目录中) 2) 分别采用动态和静态存储结构 3) 初始化：键盘输入字符集大小n、n个字符和n个权值，建立哈夫曼树； 4) 编码：利用建好的哈夫曼树生成哈夫曼编码； 5) 输出编码； 6)
text
- 设B是一个n×n棋盘，n=2k,(k=1,2,3,…)。用分治法设计一个算法，使得：用若干个L型条块可以覆盖住B的除一个特殊方格外的所有方格。其中，一个L型条块可以覆盖3个方格。且任意两个L型条块不能重叠覆盖棋盘。-。。
sockssvc
- 歡迎 SocksSvc，集合的MFC類實現一個簡單的襪子服務器。 這個想法最初背後 SocksSvc了解SOCKS協議以及它是如何實現在Win32。 如需了解有關議定書的襪子你應該閱讀 RFC 1928（襪子 5），玫瑰花1929（用戶名/密碼身份驗證襪子 5）和襪子 4規格，您可以下載這些從 www.socks.permeo.com huān yíng SocksSvc， jí hé deMFC lèi shí xiàn yī gè jiǎn dān de w
combinations
- 求解Nn的k组合 用字典排序法求N(n k) c-Solving Nn of k combinations Dictionary-ordering Method and N (n k)
Clasificador
- Clasificador que contiene K-nn, DUDANI, K-2003, CONDENSADO DE HART Y ademas viene promedio de clases y desviacion estandar
MTreeMapRepo-master
- M-Tree是类似R-Tree和B-Tree的树形数据结构。它是用一个metric构建的，有效范围依赖于三角不等式，使用K-NN（K临近算法）查询，该程序实现创建和应用-create and apply the M-tree
NN1akNN
- 实现机器学习中的最近邻算法——1-NN和k--Realization of machine learning algorithms 1-NN nearest neighbor and k-NN
KNN
- KNN算法，用于数据挖掘中数据离散化处理-K nearest neighbor classifier (K-NN) is widely discussed and applied in pattern recognition and machine learning
code_1
- 在机器学习中利用欧氏距离设计一个KNN分类器，实现五折交叉验证，并用PCA进行降维-Develop a k-NN classifier with Euclidean distance and simple voting.Perform 5-fold cross validation, find out which k performs the best (in terms of accuracy)。Use PCA to reduce the dimensionality to 6, then p
KNN
- In pattern recognition, the k-Nearest Neighbors algorithm (or k-NN for short) is a non-parametric method used for classification and regression
K-NN等算法实现作业1
- CS231n课后作业的官方习题答案，运行环境为Python2，有需要的同学可以自取(The official CS231n homework exercise answers, the operating environment for the Python2, students need to pick up)
KNN
- 通过K-NN（K临近）算法，python语言实现glass数据集的分类，压缩包里包括glass.txt数据集。(The classification of glass data sets by KNN algorithm)
forecast
- K-NN算法,dtw计算距离的方式，还有一定的滤波(KNN dtw zzz zzz zz zzz zz z zz zz zz zzz zzzz zz zzzz)
K-Nearest Neighbor (K-NN)
- latihan ann for beginer