搜索资源列表
ntree
- 设T 是一棵带权树，树的每一条边带一个正权。又设S 是T 的顶点集,T/S 是从树T 中 将S中顶点删去后得到的森林。如果T/S中所有树的从根到叶的路长都不超过d ，则称T/S 是一个d 森林。 (1)设计一个算法求T的最小顶点集S，使T/S是d 森林。(提示：从叶向根移动) (2)分析算法的正确性和计算复杂性。 (3)设T中有n 个顶点，则算法的计算时间复杂性应为O(n)。-based T is a right to bring a tree for every one o
dslad
- 给定中序和先序序列，输出对应的二叉树和森林
tree_forest
- 数据结构：数据结构中森林和树的具体实现，已通过测试-Data structure: Data structure of the concrete realization of forests and trees, has been tested
TsinghuaCdatastructures
- 清华+殷人昆C++数据结构 幻灯片教学课件 通过本课程的学习，应达到知识和技能两方面的目标： 1、知识方面：从数据结构的类定义和对象的使用，以及存储表示和操作的实现两个层次，系统地学习和掌握常用的基本数据结构（包括数组、顺序表、多项式、字符串、链表、栈与队列、优先级队列、广义表、树与森林、二叉树、堆、集合、图、搜索结构、索引结构、散列结构等）及其不同的实现，了解并掌握分析、比较和选择不同数据结构、不同存储结构、不同算法的原则和方法，为后续课程的学习打好基础。 -Tsinghua Q
12315641315
- 1．输入n个结点的权值和字符，不断选择最小值和次小值建成HUFFMAN树，如果从叶结点开始向上遍历译成HUFFMAN编码。然后把每个字符对应的码值显示出来。 2．输入任意字符串，转化成HUFFMAN编码 3．输入任意HUFFMAN编码，转化为字符串。 原理： 从给定的叶子及树重中选择最小和次小的两棵树构成一棵新树，所得的和放入森林中继续比较，重复以上步骤，直到仅剩一棵树，即为哈夫曼树。 -make your 123156131554
haffman
- 一个哈夫曼编码和译码程序 1、掌握树、森林和二叉树的概念和它们的特性以及它们之间是怎样相互转换的，理解二叉树的三种遍历：先序遍历、中序遍历和后序遍历，和树的两种遍历：先序遍历和后序遍历。 2、理解二叉树的基本运算算法实现以及它的非递归运算算法和层次遍历算法，了解二叉树的线索化及其它的应用。 3、掌握树和二叉树的几种存储结构以及它的构造，学会使用二叉链表实现二叉树的存储验证和设计相关算法。 -A Huffman encoding and decoding procedures fo
Chap5_Tree
- 树（森林）类结构的源码。其中包括存储、逻辑结构和附带的功能，封装性很好。可以直接#include使用。-Tree (forest) class structure of the source. Including storage, logical structure and function with the package is very good.# Include can be used directly.
tree-and-forest
- 实现树和森林的二叉链表表示方法和树的两种遍历算法及其应用。-To achieve binary trees and forests and tree list representations of two traversal algorithm and its application.
tree-and-forest
- 数的存储结构及类型描述 建立树和森林的算法 树和森林的检验 c++版-Number and type of storage structure described The establishment of tree and forest algorithms The test tree and forest c++ version
tree-hfut
- 合肥工业大学数据结构试验五树和森林 包括完整的实验要求、实验预习报告、实验最终报告 实验要求： <1>将一棵树（或森林）转换为二叉树。 <2>求森林的高度。 <3>按层次方式遍历森林。 <4>输出一个森林中每个结点的值及其对应的层次数。 <5>输出一个森林的广义表形式-Hefei University of the data structure test five t
trees-and-forests
- 数据结构中关于树和森林的操作，包含实验代码和调试结果-trees and forests
RandomForest
- ID3决策树+随机森林算法生成决策森林，采用投票机制进行决策；有训练数据aaa和测试数据bbb；非常适合机器学习的初学者-The ID3 the+ random forest algorithm to generate decision forests voting mechanism for decision-making training data the the aaa and test data bbb ideal for machine learning beginners
基于测站记录手簿的支导线网自动计算程序设计
- 本程序根据数据结构中树和森林的有关概念和算法，用Visual Basic 6.0编程开发语言中的类和集合对象描述支导线网的数据结构，采用面向对象的程序编程方法，使用非递归算法，实现了基于测站记录手簿的支导线网自动计算算法。 程序可用于工程测量中的用全站仪进行观测，用手工或电子手簿记录支导线网的观测数据，根据起算和观测数据可直接对待定点进行坐标计算。
c
- 本次试验的主要要点是哈夫曼树的建立过程，这种算法的思路是： 1）依据给定的n个权值{W0，W1，……，Wn-1}构造n棵只有一个根结点的二叉树，这些二叉树组成一个森林F={T0，T1，……，Tn-1}。 2）在森林F中选取两棵根结点的权值最小的二叉树作为左、右子树合并成一棵新的二叉树，这棵新的二叉树的根结点的权值等于其左、右子树根结点的权值之和。这样一来，森林中就减少了一棵树。 3）重复上一步，直到森林F中只有一棵二叉树为止，这棵二叉树便是要得到的哈夫曼树 二叉树建立好之后，通过
Tree-and-Forest
- 树的左孩子右兄弟实现。还有森林的实现。实现了查找、删除、遍历、求深度和高度等算法。-Left child right sibling tree implementation. And forests implementation. Achieve a search, delete, iterate, seeking depth and height algorithms.
DecisionTreeAndRDF-master
- id3决策树算法和随机森林算法，讲的很清晰，步骤很详细-id3 decision tree algorithms and random forest algorithms, said very clearly, very detailed step
R
- 本文分别利用逻辑回归、决策树和随机森林三种模型针对员工是否会过早离职问题进行探究，结果显示三种方法预测结果的精确度依次增加，分别为78.59%、96.8%和 99%，并且三种模型均显示员工演满意度是最重要的特征变量。(Predicting employee turnover)
决策树与随机森林
- 给出对决策树与随机森林的认识。主要分析决策树的学习算法：信息增益和ID3、C4.5、CART树，然后给出随机森林。 决策树中，最重要的问题有3个: 1. 特征选择。即选择哪个特征作为某个节点的分类特征； 2. 特征值的选择。即选择好特征后怎么划分子树； 3. 决策树出现过拟合怎么办？ 下面分别就以上问题对决策树给出解释。决策树往往是递归的选择最优特征，并根据该特征对训练数据进行分割。(The understanding of decision tree and random
随机森林算法分类、回归
- 随机森林分类器，matlab写的，直接可以运行，不需要该任何东西，详细看readme和案例。-Random Forest classifier, matlab write, direct run, does not require that anything
19.决策树与随机森林
- 决策树和随机森林，非常实用的PPT资料，推荐(Decision tree and random forest, very useful PPT data, recommended.)