-
Apriori算法
: Apriori算法是一种挖掘关联规则的频繁项集算法,其核心思想是通过候选集生成和情节的向下封闭检测两个阶段来挖掘频繁项集。
- 2022-05-28 11:00:45下载
- 积分：1
-
详细的记载了CRC算法的具体过程
详细的记载了CRC算法的具体过程- Detailed record CRC algorithm concrete process
- 2022-04-06 20:50:28下载
- 积分：1
-
单精度复型fft
单精度复型fft，适用于任意长度数据~
- 2022-03-23 00:11:20下载
- 积分：1
-
software architecture layer Mode
软件体系结构中的层模式实现-software architecture layer Mode
- 2022-01-25 20:55:17下载
- 积分：1
-
模糊逻辑样本
模糊 - 新类辛格尔顿功能：新的隶属度函数，表示在模糊论域经典的数字号码。 - 推理系统进行了修改，以允许用户去模糊化之前访问该模糊输出。 - 引起接收到的反馈其他一些小的更新。
- 2022-08-04 07:05:55下载
- 积分：1
-
K 遗憾查询的几何方法
返回用户可能感兴趣的元组是多准则决策的最重要目标之一。顶部 k 查询和天际线查询都是两个具代表性的查询。顶部 k 查询其优点是向用户返回元组的数目有限，但需要用户给他们确切的效用函数。轮廓查询有其优点用户不需要给其确切的效用函数但没有控制着要返回的元组数目。在本文中，我们研究了 k 遗憾查询，最近提出的查询，综合两个具代表性的查询的优点。我们先找一些有趣的几何性质为 k 遗憾查询。我们基于这些属性，定义候选点称为快乐点 k 遗憾查询，不在文献中研究了一套。这一结果不仅所有现有的算法，还所有新算法，以针对 k 遗憾查询是非常基本并且互惠互利。自从发现快乐点数目很小，可以显著改善所有现有算法的效率。此外，基于其他的几何性质，提出了两种有效的算法，每一种比最著名最快的算法更有效地执行。我们的实验结果表明我们提出的算法比跑得快的最著名的方法在合成和真实数据集上。尤其是，在我们在真实数据集上的实验中，最著名的方法花了 3 小时的时间来回答 k 遗憾查询，但我们建议的方法之一，花了大约几分钟和另一次在一秒钟内
- 2022-12-11 20:35:05下载
- 积分：1
-
数据挖掘算法
C4.5算法是机器学习算法中的一种分类决策树算法,其核心算法是ID3算法. C4.5算法继承了ID3算法的优点，并在以下几方面对ID3算法进行了改进：
1) 用信息增益率来选择属性，克服了用信息增益选择属性时偏向选择取值多的属性的不足；
2) 在树构造过程中进行剪枝；
3) 能够完成对连续属性的离散化处理；
4) 能够对不完整数据进行处理。
C4.5算法有如下优点：产生的分类规则易于理解，准确率较高。其缺点是：在构造树的过程中，需要对数据集进行多次的顺序扫描和排序，因而导致算法的低效。
- 2023-05-13 18:00:02下载
- 积分：1
-
用递归Costas环的恢复期。BPSK符号解调
Recovery phase with recursive Costas loop. Bpsk symbols to demodulate
- 2022-03-19 21:14:19下载
- 积分：1
-
高速公路客运仿真
高速公路客运仿真- Highway passenger transportation simulation
- 2023-08-30 15:35:03下载
- 积分：1
-
找到2d_maxima
这个项目包含了CPP解决了2D-maxima的问题，你可以输入一个数组，这意味着一个SERIS离散点，一发现日最高点的2-D合作。 OFEN使用的agorithems是蛮力和分块，agorithem使用快速排序，从而让即将举办的x坐标点，用途比较y中两neiborhood点从位置后方前面。和agorithem的时间compexity是n日志（n）的。
- 2022-08-10 14:28:22下载
- 积分：1
