您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 蚂蚁算法用C++来实现

  2. 这种算法有别于传统编程模式,其优势在于,避免了冗长的编程和筹划,程序本身是基于一定规则的随机运行来寻找最佳配置。也就是说,当程序最开始找到目标的时候,路径几乎不可能是最优的,甚至可能是包含了无数错误的选择而极度冗长的。但是,程序可以通过蚂蚁寻找食物的时候的信息素原理,不断地去修正原来的路线,使整个路线越来越短,也就是说,程序执行的时间越长,所获得的路径就越可能接近最优路径。这看起来很类似与我们所见的由无数例子进行归纳概括形成最佳路径的过程。实际上好似是程序的一个自我学习的过程。
  3. 所属分类:其它

    • 发布日期:2009-05-20
    • 文件大小:591872
    • 提供者:fhz1980
  1. 双目立体视觉匹配算法的研究与进展

  2. 立体匹配一直是计算机视觉领域的一个中心研究问题. 首先综合介绍了立体匹配算法的研究概况,论述了 双目立体匹配算法中各种约束的核心概念和适用范围;然后重点归纳分析了立体匹配算法的分类及其发展过程中的 各种演化算法,对其关键技术进行了剖析和比较,并总结了目前存在的主要难题和可能的解决途径;最后对该领域存 在的问题和技术发展趋势进行了分析和讨论.
  3. 所属分类:其它

    • 发布日期:2009-05-25
    • 文件大小:229376
    • 提供者:kangqiao3456
  1. 数学建模的经典十大算法

  2. 这个是一位大神归纳的数模十大算法,掌握之,受用无穷
  3. 所属分类:其它

    • 发布日期:2009-08-09
    • 文件大小:2048
    • 提供者:tangxzchina
  1. 枚举算法及其程序实现

  2. 从帮助故事主人公寻找欢欢水晶球和计算欢欢水晶球数目的过程中,归纳总结枚举法解题的基本思路,通过水晶球装盒问题巩固枚举算法的应用,通过对故事情节的分析绘制出算法流程图,并能根据流程图编写程序代码。 情感态度与价值观:使学生在具体情境中感受枚举法在生活中的广泛应用,体验枚举法在实际生活中的重要价值,培养学生严密的逻辑思维能力、自主探究能力和创新能力。
  3. 所属分类:其它

    • 发布日期:2009-09-02
    • 文件大小:103424
    • 提供者:haochangjun
  1. 数学建模竞赛中应当掌握的十类算法

  2. 数学建模竞赛中应当掌握的十类算法,对每种算法多进行了系统的归纳和总结,并对每种算法思想进行详细介绍。
  3. 所属分类:其它

  1. 数据挖掘算法的有关资料

  2. 详细讲述了数据挖掘的基本概念和数据预处理过程,介绍了定性归纳,分类与预测,关联挖掘,聚类分析等常用的挖掘算法,最后还介绍了比较复杂的数据挖掘算法
  3. 所属分类:其它

  1. 基于钻孔数据的地层三维可视化改进算法

  2. 建立三维地层模型的一个基础问题就是地层划分。地 层划分有两方面的含义:一是地层分层的界定和确定(地层 分层的界定指的是对钻孔数据进行合理的解释;分层的确定是指地层的合理合并和各个地层上界面的确定以及该地层厚度的确定)。二是各个地层的三角剖分和数字高程模型 (Digital Elevation Model,DEM)的建立。通过对地层的抽象,描述地层三维状态的几何特征可归纳如下:①地层为层状;②不同地层按一定层序在空间上进行叠加;③某一地层,可能分布在整个场区,也可能只分布在场区一个或多个局部范围
  3. 所属分类:其它

    • 发布日期:2009-09-18
    • 文件大小:406528
    • 提供者:haoran8899
  1. 基于决策树的数据挖掘算法研究与应用

  2. 数据分类是数据挖掘中一个重要的内容。分类存在很多方法,常见的分类 模型有决策树、神经网络、遗传算法、粗糙集、统计模型等。其中决策树算法 是以实例为基础的归纳学习算法,以其易于提取显示规则、计算量相对较小、 可以显示重要决策属性和较高的分类准确率等优点而得到广泛的应用。据统计, 目前决策树算法是利用最广泛的数据挖掘算法之一
  3. 所属分类:其它

    • 发布日期:2009-12-26
    • 文件大小:5242880
    • 提供者:humanrights
  1. 决策树分类算法优化研究

  2. 数据挖掘是指从数据库中抽取隐含的、具有潜在使用价值信息的 过程,是一种新型的数据分析技术,已被广泛应用于金融、保险、政 府、教育、运输以及国防等领域。 数据分类是数据挖掘中一个重要的内容。分类存在很多方法,其 中决策树算法是以实例为基础的归纳学习算法,以其易于提取显式规 则、计算量相对较小、可以显示重要的决策属性和较高的分类准确率 等优点而得到广泛的应用。据统计,目前决策树算法是利用最广泛的 数据挖掘算法之一。 然而在实际应用过程中,现存的决策树算法也存在着很多不足之 处,如计算效率低下、多值
  3. 所属分类:其它

    • 发布日期:2009-12-26
    • 文件大小:3145728
    • 提供者:humanrights
  1. 基于决策树的归纳学习方法

  2. 本文主要介绍了决策树的构造算法CLS和基本的决策树学习算法ID3。
  3. 所属分类:其它

    • 发布日期:2009-12-31
    • 文件大小:134144
    • 提供者:likai344071018
  1. 归纳算法设计技术的应用

  2. 归纳算法设计技术的应用,用C语言编写,含源码和实验报告。主要程序是求极值、硬币翻转问题。
  3. 所属分类:C

    • 发布日期:2010-10-16
    • 文件大小:64512
    • 提供者:xiewenbin1987
  1. 归纳算法程序设计(硬币翻转问题)

  2. 这是属于归纳算法的程序设计,以经典的硬币翻转问题,希望能给他人带来一些借鉴和帮助 谢谢
  3. 所属分类:C

    • 发布日期:2011-05-08
    • 文件大小:554
    • 提供者:xzmjkl
  1. 归纳算法设计技术的应用

  2. 1、有N个硬币(N为偶数)正面朝上排成一排,每次将N-1个硬币翻过来放在原位置,不断地重复上述过程,直到最后全部硬币翻成反面朝上为止。设计程序让计算机把翻币的最简过程以及翻币次数输出(用*表示正面,O表示反面) 2、有N个硬币(N为奇数)正面朝上排成一排,每次将N-2个硬币翻过来放在原位置,不断地重复上述过程,直到最后全部硬币翻成反面朝上为止。设计程序让计算机把翻币的最简过程以及翻币次数输出(用*表示正面,O表示反面)
  3. 所属分类:C

    • 发布日期:2011-05-10
    • 文件大小:74752
    • 提供者:a909096759
  1. 结构化程序设计 筛选 归纳 分治 管理软件 贪心

  2. 综合程序开发 管理系统的开发 分治算法设计技术的应用 贪心算法设计技术的应用 归纳算法设计技术的应用 筛选算法设计的应用
  3. 所属分类:C/C++

    • 发布日期:2011-06-17
    • 文件大小:481280
    • 提供者:cyf900109
  1. C语言 归纳算法(翻硬币)

  2. c语言经典算法之归纳算法。翻硬币。 编译软件:DEV C++5.
  3. 所属分类:C/C++

    • 发布日期:2011-07-26
    • 文件大小:3072
    • 提供者:jgs0924
  1. 归纳算法(C语言)

  2. C语言归纳算法,翻硬币,奇偶数 有N个硬币(N为偶数)正面朝上排成一排,每次将N-1个硬币翻过来放在原位置,不断地重复上述过程,直到最后全部硬币翻成反面朝上为止。设计程序让计算机把翻币的最简过程以及翻币次数输出(用*表示正面,O表示反面)...
  3. 所属分类:C/C++

    • 发布日期:2011-12-22
    • 文件大小:13312
    • 提供者:hebbers
  1. C语言实现的归纳算法

  2. C语言实现的归纳算法,里面有代码也有相应的解释。
  3. 所属分类:C/C++

    • 发布日期:2012-12-23
    • 文件大小:205824
    • 提供者:oceans521
  1. 归纳算法设计技术的应用

  2. 有些问题看来很复杂,但它们是有一定规律的。只要深入细致地进行分析,找到这些规律,然后按规律编制相应的程序,问题就迎刃而解了。
  3. 所属分类:其它

    • 发布日期:2009-04-22
    • 文件大小:2048
    • 提供者:jin3768038
  1. 归纳算法求极值 极值问题。m、n为整数,且满足下列两个条件:①m、n∈{1,2,…,K}(1≤K≤109);②(n2-mn-m2)2=1。编一程序,由键盘输入K,求一组满足上述两个条件的m、n,并且使m2+n2的值最大。例如,若K=1995

  2. 极值问题。m、n为整数,且满足下列两个条件:①m、n∈{1,2,…,K}(1≤K≤109);②(n2-mn-m2)2=1。编一程序,由键盘输入K,求一组满足上述两个条件的m、n,并且使m2+n2的值最大。例如,若K=1995,则m=987,n=1597,则m、n满足条件,且可使m2+n2的值最大。
  3. 所属分类:其它

    • 发布日期:2009-04-24
    • 文件大小:1024
    • 提供者:zhujianing1993
  1. 决策树算法基础(1)

  2. 决策树 算法评价 准确性,速度,强壮行,规模性,可解释性 什么是决策树(Decision tree)? 类似于流程图的树结构:其中,每个内部节点表示在一个属性上的测试,每个分支代表一个属性输出,而每个树叶节点代表类或类分布,树的最顶层是根节点。 熵(Entropy) 信息度量==不确定性的多少 H(x)=-∑P(x)*log2P(x) 决策树归纳算法(ID3) 信息获取量:Gain(A)=Info(D)-Info_A(D); 建造过程: 1.树以训练样本的单个节点开始 2.如果样本都在同一类,则
  3. 所属分类:其它

    • 发布日期:2021-01-07
    • 文件大小:36864
    • 提供者:weixin_38611254
« 12 3 4 5 6 7 8 9 10 ... 22 »