数据结构源码实现

元胞自动机(Cellular Automaton，复数为Cellular Automata，简称CA，也有人译为点格自动机、分子自动机或单元自动机)。是一时间和空间都离散的动力系统。散布在规则格网 (Lattice Grid)中的每一元胞(Cell)取有限的离散状态，遵循同样的作用规则，依据确定的局部规则作同步更新。大量元胞通过简单的相互作用而构成动态系统的演化。

数据挖掘分类算法决策树学习算法介绍以及SEE5的使用说明-data mining algorithms decision tree classification algorithm presentations and the use SEE5

遗传算法的 matlab 程序代码，程序完整，可以正确运行

已经一整数n，求1！+2!+3!+4！+5！+6！+……+n！，n

这是一种新的人工鱼群算法的改进算法，然后利用人工鱼群算法优化神经网络，并且和粒子群算法优化神经网络模型进行了对比，通过对比可知人工鱼群算法优化性能好于粒子群算法

一个用分行来画树的程序，vb写的-using a tree branch to paint the procedures written in vb

用VC6.0编程调试，用来计算实对称矩阵的特征值和特征向量，经调试测试，完全可以用于工程实验。代码中有相应的注释，帮助读者更好的理解代码。具体还可以参考 常用算法程序集（C++语言描述）-徐士良 第四版

著名的迭代就近点算法（icp）的源代码，在20世纪80年代中期，很多学者开始对点集数据的配准进行了大量研究。1987年，Horn[1]、Arun[2]等人用四元数法提出点集对点集配准方法。这种点集与点集坐标系匹配算法通过实践证明是一个解决复杂配准问题的关键方法。1992年，计算机视觉研究者Besl和Mckay[3]介绍了一种高层次的基于自由形态曲面的配准方法，也称为迭代就近点法ICP（Iterative Closest Point）。以点集对点集（PSTPS）配准方法为基础，他们阐述了一种曲面拟合算法，该算法是基于四元数的点集到点集配准方法。从测量点集中确定其对应的就近点点集后，运用Faugera和Hebert提出的方法计算新的就近点点集。用该方法进行迭代计算，直到残差平方和所构成的目标函数值不变，结束迭代过程。ICP配准法主要用于解决基于自由形态曲面的配准问题。

#include #include #include   typedef int ElemType;       // 定义数据结构元素的数据类型 #define LIST_INIT_SIZE 10   // 线性表存储空间的初始分配量 #define LISTINCREMENT 5     // 线性表存储空间的分配增量   // 线性表的动态分配顺序存储结构 ty