基于Matlab的GMM算法实现

蚁群聚类算法是人们对蚂蚁堆形成原理进行研究而产生的一种群体智能算法。LF蚁群聚类算法的主要思想是：将待聚类的数据对象随机放置在一个二维区域中，人工蚂蚁在二维区域内随机移动，每只蚂蚁根据数据对象与局部环境的相似程度，决定捡起或放下该数据对象的概率，相似程度越高捡起的概率越小，放下的概率越小，蚂蚁的移动使得它与其邻域内的邻居相互影响、相互作用，经过一定代数的迭代后，蚁群联合行动导致属于同一类别的对象在同一个空间区域聚集在一起，实现自组织的聚类过程。

JAMA: A Java Matrix Package 用于JAVA开发中的矩阵运算-JAMA : A Java Matrix Package for the development of Java-matrix calculation

Stack在 c中

介绍

KMEANS 利用两相的迭代算法来减少点到形心的距离，K 的所有群集的都总和的总和。第一阶段使用文献通常描述作为"批"的更新，每次迭代组成的就是重新分配到他们最近的群集质心点一下子，紧接着簇中心的重新计算。这一阶段可以看作是提供速度快，但可能只有近似解作为起始点，第二阶段。第二阶段使用文献通常描述作为"上线"的更新，在那里点单独重新分配如果这样做会降低的距离，总和和簇中心则在每个重新分配后重新计算。在这第二个阶段的每次迭代包含一通虽然所有的点。KMEANS 可以收敛于局部最优解，在这种情况下是在哪个移动到不同的群集的任何单点增加的距离总和的点的一个分区。这个问题只能是解决了起始点的聪明 （或幸运，或详尽无遗） 的选择。IDX 分为不同的 K 组 = KMEANS （X、 K） 分区 N 由 P 数据矩阵 X 中的点。此分区减少总和，在所有的群集，群集内款项的点到聚类质心的距离。X 行对应于点、 变量对应的列。KMEANS 返回 N 由 1 向量 IDX 包含每个点的聚类指数。默认情况下，KMEANS 使用平方欧氏距离。

里面是很多智能算法的doc版资料，此外还有信号处理的方法.如BP,SOM,RBF，混沌神经网络等等，适合初学者

资源描述利用堆栈实现的计算器，具备一般计算器的功能。包含加减乘除，负数，括号，sin,cos,tan, 乘方等运算。

ACM的重要PPT资料,对初学者非常有益处-ACM important PPT information is very useful for beginners

经典的0-1背包问题.-classical 0-1 knapsack problem.

代码共一个.c文件，代码包括三个函数，实现对图片的锐化、平滑、缩放(双线性内插实现)。