登录
首页 » C++ » kacmp

kacmp

于 2017-12-03 发布 文件大小:414KB
0 352
下载积分: 1 下载次数: 2

代码说明:

  google搜索的核心技术,VC++源码实现,包含测试数据库()

文件列表:

8AdjacencyWDigraph.cpp, 506, 2006-06-12
AdjacencyWDigraph.h, 3169, 2007-12-09
Debug
msado15.dll, 536576, 2006-12-26
msado15.tlh, 90667, 2004-08-08
msado15.tli, 76638, 2004-08-08
pagerank.aps, 37108, 2007-12-09
pagerank.clw, 2430, 2007-12-10
pagerank.cpp, 2091, 2006-06-12
pagerank.dsp, 4342, 2006-06-13
pagerank.dsw, 541, 2006-06-12
pagerank.h, 1346, 2006-06-12
pagerank.ncb, 394240, 2007-12-10
pagerank.opt, 56832, 2007-12-10
pagerank.plg, 1771, 2007-12-10
pagerank.rc, 6094, 2007-12-09
pagerankDlg.cpp, 12811, 2007-12-09
pagerankDlg.h, 1890, 2007-12-09
ReadMe.txt, 3615, 2006-06-12
Release
res
Resource.h, 1600, 2007-12-09
res\pagerank.ico, 1078, 2006-06-12
res\pagerank.rc2, 400, 2006-06-12
search.mdb, 692224, 2007-12-09
StdAfx.cpp, 210, 2006-06-12
StdAfx.h, 1215, 2007-12-09

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • edge
    工程算法 这是一个很有用的工程数值算法集锦(Engineering algorithm this is a useful collection of engineering numerical algorithms.)
    2018-09-05 06:04:58下载
    积分:1
  • 粗糙集
    说明:  粗糙集在进行属性约简时需要求其正域,此为求正域程序(Rough Set for Positive Domain)
    2020-06-19 09:00:06下载
    积分:1
  • pu_ju_lei
    将数据集转换为拉普拉斯矩阵,然后利用基于图论的谱聚类进行聚类。拉普拉斯矩阵采用高斯核函数,全连接方法计算。谱聚类擅长处理高维数据或非凸数据集。(The data set is transformed into Laplacian matrix, and then clustered by spectral clustering based on graph theory. The Laplacian matrix is calculated by using the Gauss kernel function and the full connection method. Spectral clustering is good at dealing with high-dimensional or non-convex data sets.)
    2019-07-01 16:05:39下载
    积分:1
  • Java实现Apriori算法
    Java实现Apriori数据挖掘算法,包内还有实例用的数据库 Apriori数据挖掘算法:先找出所有的频集,这些项集出现的频繁性至少和预定义的最小支持度一样。然后由频集产生强关联规则,这些规则必须满足最小支持度和最小可信度。然后使用第1步找到的频集产生期望的规则,产生只包含集合的项的所有规则,其中每一条规则的右部只有一项,这里采用的是中规则的定义。一旦这些规则被生成,那么只有那些大于用户给定的最小可信度的规则才被留下来。为了生成所有频集,使用了递归的方法。 请在jbuilder下编译 配好JDBC驱动 商品如果 买的表示为大写 没买表示为小写的 具体看GetSource.java
    2022-10-02 14:05:03下载
    积分:1
  • 机器学习实战
    说明:  机器学习实战中文英文pdf+数据集+代码(Practice of machine learning)
    2021-02-21 23:11:22下载
    积分:1
  • python 实现随机森林
    应用背景 数据   :两个月之内 40000个客户的15个数据字段   包含客户的 地          理位置,职业,职级,年收入,。。。。。。    购买过得产品 目的:对新客户进行推荐一个适合该客户的产品, 对老客户推荐可能再购买的产品 数据处理    数据清洗:   describe 每个特征统计分析       方差     -分析缺陷特征和波动性                 空值赋值为  “-1 “              -  保证模型的可使用    数据归一化:eg:邮编 相似度不高 根据一线二线….进行划分  – 特征的重要性 关键技术特征选择    随机森林:  判断特征的重要性 :思考为何重要性高     AHP    :  迭代设置每个特征的权重 模型选择   :根据数据量数量,是否有标签,分类or回归选取 关于模型选择时候我想用协同过滤  但是不知道关于特征的协同过滤是怎么执行的   是每个特征都有一个评分构成评价矩阵么?
    2022-02-25 17:28:51下载
    积分:1
  • chapter3
    周志华 机器学习 第三章 python 参考答案(Zhou Zhihua machine learning third chapter Python reference answer)
    2018-06-07 21:59:46下载
    积分:1
  • 0056764
    这是一本经典数值算法书,包含多种算法的理论,为编程者具有一定参考意义()
    2018-05-25 16:07:55下载
    积分:1
  • debbgger
    三次样条插值的C语言算法,但是总是数据溢出()
    2018-05-27 05:33:39下载
    积分:1
  • knn.py
    kNN算法的核心思想是如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别,则该样本也属于这个类别,并具有这个类别上样本的特性。该方法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。 kNN方法在类别决策时,只与极少量的相邻样本有关。由于kNN方法主要靠周围有限的邻近的样本,而不是靠判别类域的方法来确定所属类别的,因此对于类域的交叉或重叠较多的待分样本集来说,kNN方法较其他方法更为适合。(Basic source application)
    2018-10-30 16:50:13下载
    积分:1
  • 696516资源总数
  • 106914会员总数
  • 0今日下载