binary tree traversal

数据挖掘经典k-means算法C源码实现-Data Mining the classical k-means algorithm C source code to achieve

最小二乘拟和工具，一次直线拟和和二次去线拟和，可以直观看见拟和点与拟和曲线之间的偏差。-Least-squares fitting tools, and to be a straight line and secondary lines to be and can be seen to be intuitive and with the preparation and the deviation between the curves.

算法过程：1).读入数据，将数据用user_brands存起来，同时建立userid_id，再建立id_brands  2).遍历id_brands得到物品-用户倒排表brand_ids，根据倒排表得到用户的相似矩阵sim_mat  3).为每个用户推荐产品：      3.1).求用户u买过的brand和所有brand的差集得到用户u没有买过的物品集合brand_unused；      3.2).用户u对每一个没用过的物品i的兴趣p(u,i)：          3.2.1).找到与用户u最近的k个用户          对于每一个没用过的物品i：          3.2.2).找出这k个用户中对物品i有过行为的用户v[]√          3.2.3).将用户u和v[j]的兴趣相似度累加      3.3).取前m个最感兴趣的brand推荐给用户；  代码：UCF.cc（用户协同过滤核心代码）：#include  #include  #include  #include  #include  #include  #include  #include  #include  #include  

Learnin Mathematics with the ABACUS Activity-book part 02

    该程序是用matlab仿真BP译码算法的译码性能曲线，同时证明了gallager引理。程序中可以自由设置码长，迭代次数，仿真点数，通过这些参数的设置可以得到精确度不同的误码性能曲线。

资源描述根据货运量形成的原因，分析了货运量和相关影响因素之间的关系以及货运量预测的特点，在此基础上，建立货运量预测的广义回归神经网络(General Regression Neural Network,GRNN)模型，并以我国某年的货运量和相关经济指标的历史统计数据作为学习样本，通过拟合训练和外推预测分析，验证了GRNN用于货运量预测的有效性.

精通matlab-proficient in Matlab

1.1 ANPR 系统作为实际人工智能中的应用 信息技术大规模融入现代生活的各个方面造成的对处理车辆作为概念资源信息系统中的需求。由于没有任何数据的独立信息系统有没有意义，还有需要变换车辆之间的现实和信息系统有关的信息。这可以通过一个人的代理，或通过特殊的智能设备，是能够通过其在实际环境中的车牌识别车辆和反映的是它在概念的资源。因此，已经开发各种识别技术和数字板识别系统今天在各类交通和安全应用程序，如停车、 访问和边境管制或跟踪被盗汽车的使用。

内容要求：菜单制作：自己设计菜单取代系统菜单，要求至少有三个以上子菜单，每个子菜单有菜单项若干，菜单项中有一个缺省菜单项，且为该缺省菜单项设置对应的加速键和工具按钮（需创建新的工具栏）。在状态栏上显示自己的班级和姓名：11级计科×班 ×××

问题 （或游戏） n 谜题是可能非常熟悉我们作为初学者有访问在人工智能领域的课程。它是闻名其许多的版本和不同的名称，如 8 拼图，15 拼图，宝石拼图，老板的谜题，十五岁，神秘主义者广场的游戏......在最简单的水平，我想说关于 8 拼图。②。A * 搜索算法A * 搜索算法是相关图，并找出方法中常用的问题。这是也选择不只是因为其效力，因为它容易理解和安装。您需要在继续之前了解该算法。那麼，我奖励已经知道关于这一理论，但为方便参考，您可以阅读下面的两个链接：-A * 搜索算法-A * 搜索算法三。问题分析— — 正如在上一篇文章中讨论，有表的状态不会转给目标状态，我们称之为配置有效和无效。他们之间的比率是 ½，这可以很容易认出从查看会计方法可以提供国家目的或不。-它的容易看到每个表的状态是 mxm 置换 （其中 m 是边缘） 的元素，因此其状态空间 （mxm） ！与 8-谜题是 9 ！= 362 880 （m = 3) 和第 15-拼图是 16 岁 ！= 20922789888000 （m = 4）。你不如 m 增加 1 个单位，状态空间增加的非常迅速，这使得 m > 3 很少适用的决议版本。-适用 A * 算法解决这个问题，你需要一个启发式函数 h 来估计每个状态 "s 车牌的价值。有几种方法你可以知道距离作为计算基于方差的细胞数与正确的位置，或简单地数出多少个单元格在错误的位置，......在这里，我选择第一种方法，即平方偏差相比其正确位置的单元格数目。这种计算常用，它被称为曼哈顿。