一个用于聚类的工具箱，内有主元分析、模糊等技术的Matlab源代码和应用实例程序Demo。...

一个模糊的YBP训练程序，初学者应该从入门开始学习

多层神经网络范例 http://www.codeproject.com/cpp/MLP.asp?df=100&forumid=148477&exp=0&select=1141594#xx1141594-multilayer neural network model http :// www.codeproject.com/cpp/MLP.asp df = 1

贝叶斯算法是基于贝叶斯定理 P(H|X) = P(X|H)P(H) / P(X).。对于多属性的数据集，计算 P(X|Ci) 的开销非常大，为减低计算复杂度，我们做条件独立的假设，即给定元组的类标号，假定属性值有条件地相互独立，即在属性间不存在依赖关系。此程序仅为算法的一个实现，根据训练数据训练分类器-Bayesian algorithm is based on the Bayes theorem P (H | X) = P (X | H) P (H)/P (X).. For multi-attribute data sets, computing P (X | Ci) of the overhead is very large, in order to reduce the computational complexity, we do conditional independence assumption that a given tuple class label, it is assumed that property values conditionally independent of each other, that does not exist in the inter-attribute dependencies. This procedure is only an implementation of algorithm, according to training data classifier training

RBF神经网络应用于IRIS数据集的例子-Am example of RBF-NN applied on IRIS Data Set

FAST apriori.cpp 基于数组和为运算的apriori算法实现,采用为运算来测试子集的存在性，把测试子集存在性的复杂度由O(n^2)降低为O(n)-FAST apriori.cpp array-based computing and for the apriori algorithm, adopted as the operator to test the existence of a subset to test the existence of a subset of the complexity from O (n ^ 2) reduced to O (n)

利用模拟退火法求解TSP问题 可以求得50个城市的精确解-The use of simulated annealing algorithm for solving TSP problems can be obtained 50 cities Exact Solutions

gmeans-- Clustering with first variation and splitting 文本聚类算法Gmeans ,使用了3种相似度函数,cosine,euclidean ,KL.文本数据使用的是稀疏矩阵形式. -gmeans clustering with first variation and splitting Gmeans,a text clustering algorithm, uses 3 functions,cosine,euclidean and KL in similarity measuring.Text data are described by sparse matrix.

Hopfield 网――擅长于联想记忆与解迷路 实现H网联想记忆的关键，是使被记忆的模式样本对应网络能量函数的极小值。 设有M个N维记忆模式，通过对网络N个神经元之间连接权 wij 和N个输出阈值θj的设计，使得: 这M个记忆模式所对应的网络状态正好是网络能量函数的M个极小值。 比较困难，目前还没有一个适应任意形式的记忆模式的有效、通用的设计方法。 H网的算法 1）学习模式――决定权重 想要记忆的模式，用-1和1的2值表示 模式：-1，-1，1，-1，1，1，... 一般表示： 则任意两个神经元j、i间的权重： wij=∑ap(i)ap(j)，p=1…p； P：模式的总数 ap(s)：第p个模式的第s个要素（-1或1） wij：第j个神经元与第i个神经元间的权重 i = j时，wij=0，即各神经元的输出不直接返回自身。 2)想起模式： 神经元输出值的初始化 想起时，一般是未知的输入。设xi(0)为未知模式的第i个要素（-1或1） 将xi(0)作为相对应的神经元的初始值，其中，0意味t=0。 反复部分：对各神经元，计算： xi (t+1) = f (∑wijxj（t）-θi), j=1…n, j≠i n―神经元总数 f（）--Sgn（） θi―神经元i发火阈值 反复进行，直到各个神经元的输出不再变化。-Hopfield network-- good at associative memory solution with the realization of lost H associative memory networks, are key to bringing the memory model samples corresponding network energy function of the minimum. With M-N-dimensional memory model, the network N neurons connect between right wij and N output threshold j design makes : M-mode memory corresponding to the network is a state network energy function is the M-000 minimum. Mor

HIGHLIGHT TRUE #define NOHIGHLIGHT FALSE #define UPDATE TRUE #define NOUPDATE FALSE #define FORMAT TRUE #define NOFORMAT FALSE #define LEFT 0-HIGHLIGHT# define NOHIGHLIGHT TRUE FALSE UPDATE# define TRUE## define FALSE de NOUPDATE fine FORMAT# define TRUE FALSE# defin NOFORMAT e LEFT 0

微分进化算法的Labview版本，内为一个无约束连续变量的全局优化问题-Differential evolution algorithm Labview version, for a continuous variable unconstrained global optimization problem