搜索资源列表
lainbiaodehebing
- 链表的合并 在数据算法与结构中往往要用到链表 链表的合并也是常常会用到的-The combined list
sanweichangjingchonggou
- 移动机器人对其工作环境的有效辨识、感知与重构，是其自主导航与环境探索的基 础和前提条件。为实现非结构化环境的三维场景重构，本文在自主移动机器人平台上构 建了三维激光测距系统，设计和开发了三维场景重构软件 采用基于线段端点的ICP算 法准确快速的实现不同视点下的场景匹配 提出了基于核心场景的多场景重构策略，并 采用栅格划分法对重合区域进行数据精简，从而实现大范围三维场景重构。本文通过对 算法的实现和实验数据的比较分析，尝试对非结构化环境三维场景重构问题进行创新性 的探索与研
lle
- 流形学习，局部线性嵌入式算法(LLE)，一种智能的算法去推测捕捉高维空间中所包含的低维特征。与适合于局部维数约减的聚类算法不同，LLE算法在单一的低维的全域坐标系统中表征采样空间，然而它并没有优化最小局域。通过对线性重构的局域对称的研究应用，LLE能够描述非线性流形的全局结构，例如那些人脸的数据集或者文本文档集-Manifold learning, embedded local linear algorithm (LLE), an intelligent algorithm to predict
Design-and-analysis-of-algorithms
- 利用一个简单的c程序实现一组数据的排列，重组，实现许多算法设计与分析中的短发结构。-The use of a simple C program to achieve a set of data is arranged, recombine, realize a lot of algorithm design and analysis of hair structure.
shunxubiao-and-lianbiao
- (1)．对于顺序存储的线性表，请实现以下功能： 1）实现二路归并排序算法。 2）实现快速排序算法。 3）实现堆排序算法。 4）实现冒泡排序和选择排序算法 (2)．已知长度为n的线性表A采用顺序存储结构，请写一时间复杂度为0(n)、空间复杂度为0(1)的算法，该算法删除线性表中所有值为item的数据元素。要求：线性表元素个数n很大，而值为item的数据元素个数很少，要求移动元素个数尽量少；删除后的数组元素与原数组元素不必保持顺序一致。 (3)．编写一个主函数,调试
kNN
- kNN分类算法——将没有分类标签的数据与样本集合中所有的数据一一进行距离计算， 然后提取最相似的K个数据，这个K个数据中分类标签出现最多的分类就是新数据的分类标签。 优点：简单有效，缺点：耗费存储空间，非常耗时，无法给出任何数据的结构信息。 这个程序是采用python缩写，注释比较多，自己加的-kNN classification algorithm: no data and sample collection of all data classification labels on
main
- 1）实现二路归并排序算法。 2）实现快速排序算法。 3）实现堆排序算法。 4）实现冒泡排序和选择排序算法 (2)．已知长度为n的线性表A采用顺序存储结构，请写一时间复杂度为0(n)、空间复杂度为0(1)的算法，该算法删除线性表中所有值为item的数据元素。要求：线性表元素个数n很大，而值为item的数据元素个数很少，要求移动元素个数尽量少；删除后的数组元素与原数组元素不必保持顺序一致。 (3)．编写一个主函数,调试上述算法。注：需要额外设计一个线性表初始化的函数。 (4)
chandc2
- 图的邻接表存储与深度优先遍历.设计图的邻接表存储结构，数据元素的数据部分可以是随机生成的整数；设计图的深度优先遍历算法；-a vc++ program about the store of a graph and how to go over it
OFDM_rece_matlab
- 接收端采用的算法和程序流程与发送端发送的OFDM符号的帧结构有关系。具体的帧结构，以及定时估计，频偏估计，剩余误差跟踪的算法可参考算法说明文档。这里对程序的流程进行说明。 首先根据短训练字的特性进行相关运算，进行信号到达检测，当检测到相关值大于门限一定次数后，认为有信号到达。然后根据长训练字的特性，进行相关运算，进行OFDM符号FFT窗口起始位置的估计。估计出FFT窗口的位置后，先在时域进行小频偏的估计，将两个长训练字进行小频偏补偿后，进行FFT运算，根据FFT运算的结果进行整数倍频偏的估计
jei_sg86
- 插值与拟合，解方程，数据分析，基于K均值的PSO聚类算法,基于多相结构的信道化接收机。- Interpolation and fitting, solution of equations, data analysis, K-means clustering algorithm based on the PSO, Channelized receiver based on multi-phase structure.
SVM-and-NB
- 支持向量机与朴素贝叶斯算法，对数据进行分类后深度了解数据的结构-Support vector machine and naive Bayes algorithm.Classifying the data and understanding the structure of the data in depth