搜索资源列表
main
- 扫面线z buffer算法，读入obj文件，绘制一帧-Scan line z buffer algorithm for face, read into the obj file, draw a
AprioriMain
- 此算法实现了基本的Apriori算法,效率很低. 过程是:先通过对数据集进行扫描,得到候选1-项集C1,根据用户输入的最小支持度筛选出频繁1-项集L1,将筛选中 不满足条件的结果放入一个先验项集,然后对L1进行组合,并根据Apriori算法的先验原理,用每个组合的结果和先 验项集中的所有元素进行比较,如果组合结果的子集中包含先验集中的任何一个元组就将其排除,将没有被排除 的组合结果放入C2.如此循环反复,直到Cn或Ln为空. 2008.11.1-2008.11.3
Artifical-Intelligence-Rob.Callan
- DjVu格式的扫描版电子书，详细阐述人工智能的算法和理论-DjVu format scan version of e-books, elaborate artificial intelligence algorithms and theory
orithm
- 中心扫描的指纹识别算法Center scan fingerprint recognition algorithm-Center scan fingerprint recognition algorithm
diaosi
- 用布尼人汉姆算法画线，并用扫描线填充一个多边形-scan line
main123
- Apriori核心算法过程如下： 过单趟扫描数据库D计算出各个1项集的支持度，得到频繁1项集的集合。 连接步：为了生成，预先生成,由2个只有一个项不同的属于的频集做一个（k-2）JOIN运算得到的。 剪枝步：由于是的超集，所以可能有些元素不是频繁的。在潜在k项集的某个子集不是中的成员是，则该潜在频繁项集不可能是频繁的可以从中移去。 通过单趟扫描数据库D，计算中各个项集的支持度，将中不满足支持度的项集去掉形成。-Apriori core algorithm proce
aprioricsharp
- Apriori 数据挖掘算法的C#实现 数据库中的知识发现 (Knowledge Discovery in Databases,KDD) 是利用计算机自动地从海量信息中提取有用的知识 , 是一种有效利用信息的新方法 , 目前已成为数据库领域的研究热点之一。 KDD 的研究焦点在于数据挖掘。数据挖掘是从大型数据库或数据仓库中提取人们感兴趣的知识 , 这些知识是隐含的 , 事先未知的潜在的有用信息。主要包括的方法有 : 分类、回归分析、聚类、关联分析等 [1][5] 。关联规则的提取主要针对大型
kmeans1
- K-means算法，算法步骤如下： Step1.利用式(2)计算距离矩阵D=()，其中=dist[i, j] ()； Step2.扫描坐标距离矩阵D，寻找距离的最大值和最小值，用式(3)计算limit； Step3.扫描坐标距离矩阵D，寻找矩阵中距离最小的2个数据a，b，将数据a，b加入集合，={a,b}，同时将数据a，b从U中删除，更新距离矩阵D； Step4.利用 (4)式在U中寻找距离集合最近的数据样本t，如果小于limit，则将t加入集合，同时将t从集合U中删除，更新