YTCVI47

在linux 下C语言实现最近邻聚类算法，工程已经使用(near K neighbor cluster)

运用支持向量机对一组超宽带非视距信号识别(Support Vector Machine Signal Identification)

cfd经典PISO算法的FORTRAN程序()

通过Python对妹子图网站的图片集进行爬取(Crawling the collection of images on the sister map site via Python)

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)

weka是一个很优秀的数据挖掘软件，可以把weka作为程序包打入工程中，基本想要的功能很快就能实现

说明：  一个用python实现的PCA算法，并且给了简易素材(A PCA algorithm implemented in python, and gave a simple material)

说明：  

基于人工蚁群的的改进Kmeans,进行了改进，效果较好(Based on the improvement of artificial ant colony, Kmeans have been improved and the effect is better)

资源描述决策树是建立在信息论基础之上，对数据进行分类挖掘的一种方法。其思想是，通过一批已知的训练数据建立一棵决策树，然后利用建好的决策树，对数据进行预测。决策树的建立过程可以看成是数据规则的生成过程。由于基于决策树的分类方法结构简单，本身就是人们能够理解的规则。其次，决策树方法计算复杂度不大，分类效率高，能够处理大数据量的训练集；最后，决策树方法的分类精度较高，对噪声数据有较好的健壮性，符合一般系统的要求。