搜索资源列表
KMeans
- K-means算法是硬聚类算法，是典型的基于原型的目标函数聚类方法的代表，它是数据点到原型的某种距离作为优化的目标函数，利用函数求极值的方法得到迭代运算的调整规则。-K-means clustering algorithm is hard, is a typical prototype-based clustering method on behalf of the objective function, it is a method of data points to a certain di
BPPSO
- Java开发的粒子群优化神经网络算法,提高神经网络的优化能力-A particle swarm optimization neural network algorithm based on Java，Improve the optimization ability of neural network
totsearch_v3.3
- 淘特站内搜索引擎是由淘特JSP搜索引擎发展而来，系统基于Lucene.Net核心，通过高效的中文分词算法将数据库中内容进行分析、索引并保存至硬盘中。前台搜索时，通过读取索引文件查询，避免了传统数据库查询在高并发及海量数据下的性能问题。因前台搜索不在连接数据库，为不希望数据库放到前台的特殊用户群体提供了数据快速查询解决方案。 淘特站内搜索引擎(C#版)v3.3更新内容： 1、解决生成的文件链接始终是第一个的错误 2、解决GbK编码搜索程序Default_Gbk.aspx下一页链接错误的
PSO
- 动态环境下的粒子群算法研究 动态优化问题是指目标函数随时间连续、缓慢或突然、随机变化的情况。该课题旨在将动态优化问题连续变化的时间变量区间进行任意划分，在得到的每个时间子区间上将动态问题转化为静态问题，针对此静态优化问题设计相应的遗传算法。同时给出一种能自动检测时间变化的应答算子。-Dynamic optimization problem refers to the objective function over time in a row, slow or sudden, random c
jopt_sdk_4_9_5_evaluation_complete
- JOpt.SDK是一个自动化车辆路线和派送Java/J2SE和.NET.组件的工具。它可以解决旅行推销员的问题（TSP）和时窗限制路线规划的问题。它提供了各种因素限制的最佳化运输路线，如时窗，负载能力，规定行程路线。该组件是基于遗传算法，并自动确定订单任意设置车辆的优化配置。-JOpt.SDK is an automated vehicle routing and delivery of Java/J2SE and.NET. components of the tool. It can solv
wumii-related-posts_v1.0.4.7
- 无觅相关文章插件 是无觅网的核心产品, 它可以在短时间内提升您博客的访问量. 它会自动抓取你博客的内容, 然后以缩略图的形式展示最相关的文章. 其中的算法是基于用户行为, 文章内容, 文章标签, 时间以及大量相关参数去优化文章的点击率. 更重要的是, 一旦你的博客使用了 无觅相关文章插件 , 你的博客将会自动整合到无觅网, 届时你的文章将会让更多的读者看到. 此插件主要针对的是中文博客. - To find related posts plugin is to find the core p
phplovewall
- 1、程序完全Ajax 2、可以拖动个个祝福 3、可以复制链接，每个祝福都有一个独立的URL地址，方便查看祝福 4、祝福RSS功能 5、进行了SEO优化 6、页面兼容所有浏览器，IE6+ Firefox chrome Opera Safari…… 7、独创的字条分布排序算法，使字条均匀分布到页面，美观性大幅提升 -1, the program is completely Ajax 2, you can drag a blessing 3, you can
PCS
- 来自 Ourplus，修补跨站脚本攻击漏洞，采用PHP+Mysql+Xml开发的网站流量统计分析系统，采用了高效的程序算法和精心优化的数据库结构，对网站进行全方位的统计，功能强大，统计直观，基本统计功能包括，最近50位访问者，当前在线列表，今日访问者列表，最近24小时统计，今日来路统计，今日搜索引擎，今日搜索关键字，昨日时段统计，网站统计摘要，小时统计报表，日统计报表，Alexa工具条统计，周统计报表，月统计报表，年统计报表，客户端情况统计，用户操作系统统计，用户浏览器统计，屏幕分辨率统计，访问
M-logger0.3.1
- 优点有： [1] 文本数据引擎是由http://3ants.org开发的TXTDB 0.2.3，运行效率高，功能强大！优化的数据结构让程序运行起来更快！ [2] 模版解析是由XML+XSL组成，在本地的解析给为主机大大减轻了负担，也让代码和视图完全的分离，为使用者制作模版带来方便。 [3] 可根据需要缓存数据，“牺牲部分空间——让运行更加快速”！ [4] 人性化、功能强大的搜索，使用起来更加方便。 [5] 允许多用户注册。用户按等级自定义权限，为团队blog提供方便。 [
sarticle15
- 更新了几个BUG和文章调用页面的安全漏洞 功能列表： 增加了两个类文件，采用面向对象技术。 改善程序算法，几乎完全改写了后台。 所有配置信息存放在数据库里，并从数据库输出写入配置文件，避免频繁查询。 允许后台批量删除文章。 增加游客提交文章，可在后台设置是否允许该功能。 增加数据库的备份、优化、修复操作。 增加一级分类。 增加后台操作记录。 增加登陆的记录。 -Updated several BUG and article call pag
Quick_Insert_Sort
- 使用插入排序优化快速排序的算法实现.java实现，编译环境MyEclipse-Use insertion sort optimization of quick sort algorithm. MyEclipse Java implementation, compile environment
spark
- MLlib 是spark 机器学习的库，它的目标是使机器学习算法能更容易上手。这个库包含通用学习算法和工具集，包括：分类，回归，聚类，协同过滤，降维，以及深层优化策略和上层管道API（pipeline）.-MLlib is spark machine learning library, which aims to make a machine learning algorithm can be more easy to use. This library contains a common se
AE
- ANN(AutoEncoder)的java实现,网络部分为优化后的类BP算法-ANN (AutoEncoder) java realization, the network part of the class for the optimized BP algorithm
Genetic-Algorithm-seat-allocation
- 利用遗传算法，进行机位优化分配，实现机位资源合理高效利用。-Genetic algorithm, were assigned seats optimized to achieve efficient use of resources reasonably seat.
suanfa
- 各种常见的排序算法包括n^2和nlogn级别的算法及优化(A variety of common sorting algorithms, including n^2 and nlogn level algorithms and optimization)
深入java虚拟机
- 《深入理解Java虚拟机：JVM高级特性与最佳实践》共分为五大部分，围绕内存管理、执行子系统、程序编译与优化、高效并发等核心主题对JVM进行了全面而深入的分析，深刻揭示了JVM的工作原理。第一部分从宏观的角度介绍了整个Java技术体系、Java和JVM的发展历程、模块化，以及JDK的编译，这对理解本书后面内容有重要帮助。第二部分讲解了JVM的自动内存管理，包括虚拟机内存区域的划分原理以及各种内存溢出异常产生的原因；常见的垃圾收集算法以及垃圾收集器的特点和工作原理；常见虚拟机监控与故障处理工具的原
algorithms
- 先是将多目标问题分解为单目标 （用切比雪夫和加权平均法）然后用遗传算法优化(Multi-objective optimization algorithm based on java language. First, the multi-objective problem is decomposed into single objectives (using Chebyshev and weighted average method) and then optimized by genetic a
JavaNotepad-master
- 大部份的优化问题都是多峰函数或病态函数，为了克服基本粒子群算法的缺陷，我研究了以下四种改进的粒子群算法(Most optimization problems are multi-peak functions or ill-conditioned functions. In order to overcome the defects of basic particle swarm optimization, I studied the following four improved particl