用于数据挖掘的分类算法,基于c语言的,一个c4.5分类算法

是一个用MATLAB编的一个系统，是关于各个神经我网络模型和支持向量机的软件包-using MATLAB is a part of a system of various neural network model and I support vector machine packages

本人编写的incremental 随机神经元网络算法，该算法最大的特点是可以保证approximation特性，而且速度快效果不错，可以作为学术上的比较和分析。目前只适合benchmark的regression问题。 具体效果可参考 G.-B. Huang, L. Chen and C.-K. Siew, “Universal Approximation Using Incremental Constructive Feedforward Networks with Random Hidden Nodes”, IEEE Transactions on Neural Networks, vol. 17, no. 4, pp. 879-892, 2006. -I prepared by incremental random neural network algorithm, which is characterized by the largest approximation properties can be guaranteed, and fast good results can be used as an academic comparison and analysis. The current benchmark is only suitable for the regression problem. Specific effects may refer G.-B. Huang, L. Chen and C.-K. Siew,

Autolife模型是一个能够进行“开放式进化”的人工生命系统。每个Agent模型采用可以变化规则表长度的有限自动机模型建模。一方面Agent可以进行自我繁殖，同时模型中的选择机制没有采用显式的适应度函数而是采用能量消耗的简单模型而自发涌现出来，所以可以认为Agent模型是一个类Tierra系统。然而与Tierra、Avida等数字生命模型不同的是，Autolife模型进行了大大的简化，它界面友好，操作直接。虽然没有给每个Agent装配一个虚拟计算机，但是Agent与环境的耦合则可以看成一个图灵机模型，因此Agent可以通过变异而“任意”的编程序。通过Autolife模型，首先人们可以看到一般的生态系统中共存的现象：生物的大爆炸、大灭绝，Agent进化得越来越聪明；其次，用户可以通过变化不同的食物添加规则探索Agent与环境的关系；最后，如果允许Agent通过播种改变环境自动产生食物，那么组织的涌现就是一种不可避免的结果。Agent构成的组织具有自主运动的特性，还可以进行自我修复，可以说Autolife中的组织是一些真正的“活体”。-Autolife model is to conduct an "open-evolution" artificial life system. Each Agent can be used model changes the rules limited the length of the table automatic machine modeling. One Agent can be self-propagation, model selection mechanism not used Explicit the fitness function instead of using the energy consumption of a simple model to emerge spontaneously, so that the agent can be a model category Tierra system. But with Tierra, Avida digital life model is different Autolife model for greatly simplified its

机器人编程方法，主要是讲c的， 期刊论文-Robot programming method, mainly stresses c and Journal Papers

University of Amsterdam的2003年robocup源程序代码，队名trilearn，老牌2D强队-University of Amsterdam

the matlab code of ginisvm - an svm implementation good at probability regression.-the matlab code of ginisvm- an svm implementation good at probability regression.

Apriori源代码，包含c++/java实现；神经网络算法源程序，如SOM、HOPFIELD、CPN、BPN、BOLTZMAN、ART、ADALINE，同时提供针对不同算法的演示源程序；遗传C源代码；外加充实的数据挖掘的算法讲解ppt -Apriori the source code, including c++/Java realize

kmeans算法的java描述，我自己编写的，可以运行的-java kmeans algorithm description, I am prepared, ready-to-run

介绍了神经 网络中的CPN算法的C语言实现.-Introduce a neural network algorithm in C language CPN realize.