堆排序 穩定的排序 復雜度為N（logN ） 也是一種快速的排序
上傳時間： 2015-12-01
上傳用戶：chfanjiang
數據結構中的樹狀數組,能夠實現高效查詢,在數組中進行查詢的復雜度為 O(log(n
上傳時間： 2016-01-28
上傳用戶：zjf3110
有限期作業安排問題”描述如下:有n個任務J1,J2,...,Jn,每個任務Ji都有一個完成期限di,若任務Ji在它的期限di內完成,則可以獲利Ci(1[i[n) 問如何安排使得總的收益最大(假設完成每一個任務所需時間均為一個單位時間).這個問題適合用貪心算法來解決,貪心算法的出發點是每一次都選擇利潤大的任務來完成以期得到最多的收益 但是對于本問題由于每一個任務都有一個完成的期限,因此在任務安排過程中除了考慮利潤Ci外,還要考慮期限di.
上傳時間： 2016-06-27
上傳用戶：s363994250
K-MEANS算法: k-means 算法接受輸入量 k ；然后將n個數據對象劃分為 k個聚類以便使得所獲得的聚類滿足：同一聚類中的對象相似度較高；而不同聚類中的對象相似度較小。聚類相似度是利用各聚類中對象的均值所獲得一個“中心對象”（引力中心）來進行計算的。 k-means 算法的工作過程說明如下：首先從n個數據對象任意選擇 k 個對象作為初始聚類中心；而對于所剩下其它對象，則根據它們與這些聚類中心的相似度（距離），分別將它們分配給與其最相似的（聚類中心所代表的）聚類；然后再計算每個所獲新聚類的聚類中心（該聚類中所有對象的均值）；不斷重復這一過程直到標準測度函數開始收斂為止。一般都采用均方差作為標準測度函數. k個聚類具有以下特點：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開
上傳時間： 2016-07-31
上傳用戶：youlongjian0
K-MEANS算法: k-means 算法接受輸入量 k ；然后將n個數據對象劃分為 k個聚類以便使得所獲得的聚類滿足：同一聚類中的對象相似度較高；而不同聚類中的對象相似度較小。聚類相似度是利用各聚類中對象的均值所獲得一個“中心對象”（引力中心）來進行計算的。 k-means 算法的工作過程說明如下：首先從n個數據對象任意選擇 k 個對象作為初始聚類中心；而對于所剩下其它對象，則根據它們與這些聚類中心的相似度（距離），分別將它們分配給與其最相似的（聚類中心所代表的）聚類；然后再計算每個所獲新聚類的聚類中心（該聚類中所有對象的均值）；不斷重復這一過程直到標準測度函數開始收斂為止。一般都采用均方差作為標準測度函數. k個聚類具有以下特點：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開
上傳時間： 2013-12-19
上傳用戶：chenlong
k-means 算法接受輸入量 k ；然后將n個數據對象劃分為 k個聚類以便使得所獲得的聚類滿足：同一聚類中的對象相似度較高；而不同聚類中的對象相似度較小。聚類相似度是利用各聚類中對象的均值所獲得一個“中心對象”（引力中心）來進行計算的。 Matlab 源代碼，以蘭花數據集作為測試對象。
上傳時間： 2014-01-21
上傳用戶：2525775
這是一個將n個樣本聚類到m個類別中 將n個樣本在m個類里如何分配輸出的遺傳算法代碼。 適應度：sum(i=1_110)sum(j=1_20)【xi-vj】~2
上傳時間： 2014-08-09
上傳用戶：wkchong
很高效的判斷組合數C(n,k)的奇偶性。 巧妙的使用了位運算。時間復雜度為O(1). 避免使用大數類。
上傳時間： 2016-12-01
上傳用戶：lizhen9880
1)自選存儲結構,輸入含n個頂點（用字符表示頂點）和e 條邊的圖G； (2)求每個頂點的度,輸出結果； (3)指定任意頂點x為初始頂點,對圖G作DFS遍歷,輸出DFS 頂點序列(提示:使用一個棧實現DFS)； (4)指定任意頂點x為初始頂點,對圖G作BFS遍歷,輸出BFS 頂點序列(提示:使用一個隊列實現BFS)； (5)輸入頂點x,查找圖G:若存在含x的頂點,則刪除該結點及 與之相關連的邊,并作DFS遍歷(執行操作3)；否則輸出信 息“無x”； (6)判斷圖G是否是連通圖，輸出信息“YES”/“NO”； (7)如果選用的存儲結構是鄰接矩陣,則用鄰接矩陣的信息生 成圖G的鄰接表,即復制圖G,然再執行操作(2)；反之亦然。
上傳時間： 2013-12-26
上傳用戶：123456wh
usb封包監測程式,輔助usb程式轉寫時除錯用..用看看吧~還不錯啦~
上傳時間： 2017-02-25
上傳用戶：gtf1207
