蚁群算法，用户可以修改程序中的宏定义来设置初值

关联分析频繁模式挖掘Apriori、FP-Growth及Eclat算法的JAVA及C++实现。三种算法实现的完整源码工程、源文件、PPT、测试数据及输出示例 ,包括Apriori、FP-Growth及Eclat三种算法的频繁模式挖掘源程序

在这个图书借阅管理系统，我主要实现了两大功能：  （1）图书管理(增加图书、查询图书、删除图书、图书借阅、还书)；  （2）会员管理(增加会员、查询会员、删除会员、借书信息)；

在日常的生活中我们最经常使用的距离毫无疑问应该是欧式距离，但是对于一些特殊情况，欧氏距离存在着其很明显的缺陷，比如说时间序列，举个比较简单的例子，序列A：1,1,1,10,2,3，序列B：1,1,1,2,10,3，如果用欧氏距离，也就是distance[i][j]=(b[j]-a[i])*(b[j]-a[i])来计算的话，总的距离和应该是128，应该说这个距离是非常大的，而实际上这个序列的图像是十分相似的，这种情况下就有人开始考虑寻找新的时间序列距离的计算方法，然后提出了DTW算法，这种方法在语音识别，机器学习方便有着很重要的作用。 这个算法是基于动态规划（DP）的思想，解决了发音长短不一的模板匹配问题，简单来说，就是通过构建一个邻接矩阵，寻找最短路径和。 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

AR 模型拟合，解决多变量自回归 (AR) 模型的参数估计问题-AR model fitting, since the settlement multivariable regression (AR) model parameter estimation problems

简单的循环链表算法-simple algorithm cycle Chain

C++链表操作，从创建一个链表到对链表的增删改查，适合初学算法的朋友学习参考，转自别处，对其进行了一些修改。

If you have not registered, Please [regist first].You should upload at least five sourcecodes/documents. (upload 5 files, you can download 200 files). Webmaster will activate your member account after checking your files. If you do not want to upload source code, you can join the [VIP member] to activate your account.

二叉树的递归与非递归遍历(Java描述)，高效实现Josephus算法，合并有序链表，基于队列实现的基数排序，栈.回溯.迷宫问题求解。5个算法的源程序。-Recursive and non recursive binary tree traversal (Java description), efficient algorithms to achieve Josephus, merging sorted linked list, queue-based implementation of radix sort, stack. Backtracking. Maze problem-solving. 5 algorithm source code.

狐狸 Cielwants 在她旧手机上键入一个单词。这台手机有只有一个按钮。通过点击该按钮一次，(B) 两次攻丝，在一排，等等，按字母顺序键入字母 A。因此，最后一个字母 Z 被键入 bytapping 26 次，没有停顿.给出了一个字符串字按钮。计算并返回到以下问题： 如何回答多次将 Ciel 自来水按钮输入这个词的时候? 笔记-键入一个单词时，彩虹对无量短暂的停顿后打字每一封信，这样，电话可以告诉 oneletter 结束的时候，另一封信开始。这些停顿并不重要这个问题里限制词将包含 1 和 50characters，包容性之间。-每个单词中的字符将 anuppercase 英文字母 （"A"-"Z"）。 Examples0)"A"的回报： 1One taptypes 的字母 A.1）"ABC"返回： 6 ～ 类型 ABC、 国际环境法中心将做以下： 自来水 thebutton，一旦键入 A.Tap thebutton 两次，以键入 B.Tap thebutton 三次键入这个总人数的水龙头是 1 + 2 + 3 = 6."2) VAMOSGIMNASIA"的回报: 143 3)"TOPCODER"回报： 96 4）"SINGLEROUNDMATCH"的回报: 183 5）"ZZZZZZZZZZZZZZZZZZZZZZZZZZZZZZZZZZZZZZZZZZZZZZZZZZ"的回报: 1300年

高斯混合模型（GMM）算法利用matlab实现，主函数信息如下：%   emgmm：GMM参数生成函数%   Input：%              Data：      D x N ，N个D维数据%              Alpha0： Gauss模型的权重初始值%              Mu0：      D x M，Gauss模型的中心初始值%              Sigma0：Gauss模型的方差初始值（假设每个方差矩阵都是对角阵， 即一个数和单位矩阵的乘积）%              loglikthreshold：EM迭代停止条件%   Output：%              [Alpha, Mu, Sigma]：高斯混合模型参数