魔方程序的C语言描述.用Turbo C2.0就可以运行,然后编译成可执行文件了.
上传时间： 2016-07-20
上传用户：pinksun9
序列模式分析算法GSP的实现 GSP是序列模式挖掘的一种算法。其主要描述如下： l 根据长度为i 的种子集Li 通过连接操作和剪切操作生成长度为i+1的候选序列模式Ci+1；然后扫描序列数据库，计算每个候选序列模式的支持数，产生长度为i+1的序列模式Li+1，并将Li+1作为新的种子集。 l 重复第二步，直到没有新的序列模式或新的候选序列模式产生为止。 l 扫描序列数据库，得到长度为1的序列模式L1，作为初始的种子集 L1Þ C2 Þ L2 Þ C3 Þ L3 Þ C4 Þ L4 Þ …… 产生候选序列模式主要分两步 l 连接阶段：如果去掉序列模式s1的第一个项目与去掉序列模式s2的最后一个项目所得到的序列相同，则可以将s1于s2进行连接，即将s2的最后一个项目添加到s1中。 l 剪切阶段：若某候选序列模式的某个子序列不是序列模式，则此候选序列模式不可能是序列模式，将它从候选序列模式中删除。 候选序列模式的支持度计算：对于给定的候选序列模式集合C，扫描序列数据库，对于其中的每一条序列d,找出集合C中被d所包含的所有候选序列模式，并增加其支持度计数。
上传时间： 2016-07-23
上传用户：sammi
通过命令行方式得到MAC地址,C语言,同样的方法可以得到网卡的所有信息,然后分类
上传时间： 2013-12-13
上传用户：caixiaoxu26
一个五子棋游戏可以图形显示棋盘和网格线然后选择棋子 有一定智能
上传时间： 2013-12-04
上传用户：BIBI
《新编Win32API》本书首先对Win32 API函数做完整的概述；然后收录五大类函数：窗口管理、图形设备接口、系统服务、国际特性以及网络服务；在附录部分，讲解如何在Visual Basic和Delphi中对其调用。
上传时间： 2016-07-30
上传用户：caixiaoxu26
K-MEANS算法: k-means 算法接受输入量 k ；然后将n个数据对象划分为 k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。 k-means 算法的工作过程说明如下：首先从n个数据对象任意选择 k 个对象作为初始聚类中心；而对于所剩下其它对象，则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类；然后再计算每个所获新聚类的聚类中心（该聚类中所有对象的均值）；不断重复这一过程直到标准测度函数开始收敛为止。一般都采用均方差作为标准测度函数. k个聚类具有以下特点：各聚类本身尽可能的紧凑，而各聚类之间尽可能的分开
上传时间： 2016-07-31
上传用户：youlongjian0
K-MEANS算法: k-means 算法接受输入量 k ；然后将n个数据对象划分为 k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。 k-means 算法的工作过程说明如下：首先从n个数据对象任意选择 k 个对象作为初始聚类中心；而对于所剩下其它对象，则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类；然后再计算每个所获新聚类的聚类中心（该聚类中所有对象的均值）；不断重复这一过程直到标准测度函数开始收敛为止。一般都采用均方差作为标准测度函数. k个聚类具有以下特点：各聚类本身尽可能的紧凑，而各聚类之间尽可能的分开
上传时间： 2013-12-19
上传用户：chenlong
然后右击左窗格中准备 配置的Web服务器栏，在 打开的菜单选择“属性”命 令，这时将打开“Web站点 属性”对话框 ＳＡＦ ＡＳＤＦ ＳＤＦ
上传时间： 2016-08-05
上传用户：xymbian
通过引入与余差有关的代价函数,给出了一种高精度估计基础矩阵的线性算法——加权平移算法.首先 将原始输入数据加权,计算加权后数据的重心坐标,将坐标原点平移到该重心坐标,再作归一化处理.然后用8点 算法求出基础矩阵F阵的8个参数,实现了F阵的高精度估计.实验结果表明,此算法具有良好的鲁棒性,且余差 和对极距离都小于其他线性算法,提高了基础矩阵的精度.
上传时间： 2016-08-15
上传用户：zgu489
这是个数据结构练习题,建立了二叉树,然后执行查找
上传时间： 2014-07-16
上传用户：ywqaxiwang
