自己写的最小生成树算法，请自己在同一个目录下建立一个gtest。txt的文件。 然后编译，这是在linux下写的，应该移植没有问题 C语言写的

主要介绍了JS实现的二叉树算法,结合完整实例形式分析了基于JS定义、创建二叉树及常用的各种遍历、访问二叉树操作技巧,需要的朋友可以参考下

项目介绍 使用查找无向加权图的（MST）的Java程序。 项目特色 以最有效的形式使用。 使用 通过命令行从输入文件中读取无向加权图。 输入文件包含以下内容（请参见testUF.txt）： 零个或多个以'c'开头的注释行 后面跟一个整数，代表图中的节点数 然后每行一条边。 一个整数三元组代表每个边缘，其中第三个整数是前两个整数之间的边缘权重。 也就是说，边缘1 2 3表示边缘1和2之间的权重为3。 将结果输出到文件（请参见testUFOutput.txt）。 输出文件由构成最小生成树的边以及MST的总权重组成。

提出了一种基于分布多库环境下的决策树生成算法DDTA（Distributed Decision Tree Algorithm）。该算法使用基于信息熵增益的思想分割各个分布的、同构训练样本集，各分布站点利用服务器传来的分割属性分割自己的样本集，服务器则通过对所有分布站点传来的信息计算各个属性的信息熵增益得到分割属性。实验表明DDTA算法能对分布同构样本集进行有效决策树挖掘，分布多库环境下生成的决策树是正确的。与算法INDUS相比，该算法的通信代价小。

数字图像处理常用分割算法：四分树切割算法。从main.m函数文件中进入，运行程序。祥见readme_rgbquadtree.txt

knn算法，决策树算法，聚类的实现

主要为大家详细介绍了python实现C4.5决策树算法，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

采用数据挖掘技术中ID3决策树算法分析学生成绩.pdf 采用数据挖掘技术中ID3决策树算法分析学生成绩.pdf

由于学生的成功率反映了教育组织的成功，因此学生成功率不断提高的趋势成为所有教育组织的目标。 除此之外，学生完成中学后接受高等教育的意愿是教育组织最重要的目标之一。 许多原因会影响这种意愿，揭示这些原因可能会增强学生的意愿。 数据挖掘工具（尤其是决策树算法）可以被认为是找到隐藏模式以实现这些目标的最佳选择。 本工作中使用的实验数据集是由米尼奥大学的 Paulo Cortez 和 Alice Silva 收集和分析的两门课程（数学（395 个实例）和葡萄牙语（拥有 659 个实例的葡萄牙语课程））的葡萄牙学生的数据集，葡萄牙。 在这项工作中应用和试验了三种决策树算法（J48、RepTree 和 Hoeffding Tree（VFDT））。 结果表明，J48算法最适合对学生完成高等教育和课程成功的意愿进行分类和预测。

搜索关键词智能提示 也叫suggestion，百度搜索框中，输入“北京”，搜索框下面会以北京为前缀，展示“北京爱情故事”、“北京公交”、“北京医院”等等搜索词，本文详细接受其中的原理，算法，数据结构