针对FP-growth算法时空效率低的问题,提出了改进的FP-tree构造算法。该算法利用动态结点插入技术构造FP-tree,能有效减小模式树的宽度,达到压缩空间的目的;同时,该算法提高了前缀路径的共享性,提高了算法的效率。针对密集型数据的频繁模式完全集难以挖掘的问题,文中提出了IFPmax最大频繁模式挖掘算法,在改进的IFP-tree结构的基础上,利用结点的秩进行预判断,充分利用最大频繁模式的性质对已经存在的结点进行标记,有效避免了节点的冗余遍历,提高了最大频繁模式挖掘算法的效率。实验表明,在不同的基准数据集上文中提出的算法更有效,避免了节点的冗余遍历,使最大频繁模式挖掘算法效率更高。

bootstrap风格的树形表格，支持多层级展开，包含事例和源码

一个简单的Java merkle树实现。 文档： : 执照

Algorithm-Ukkonen-s-Suffix-Tree-Algorithm.zip,ukkonen的后缀树算法，一个用python实现的完整版本,算法是为计算机程序高效、彻底地完成任务而创建的一组详细的准则。

基数树 Compact Prefix树（基数）的Java实现。

MFC_VC_Tree_Control控件使用_举例

KdTreeFaceUnreal：用于虚幻引擎4的Kd人脸树，可实现非常快速的最近点到网格查询。 该代码直接从VCGLib移植

采用qt编写，适用于区块链初学者学习参考

GA_for_Feature_Selection 使用遗传算法结合决策树做特征选择 Using genetic algorithm for feature selection with decision tree 原始遗传算法参考 import numpy as np import pandas as pd import random data_train = pd.read_csv('\data_train.csv') data_test = pd.read_csv('\data_test.csv') #合并训练集测试集 data = data_train.append(data_test).drop(['id'], axis=1) feature_names = data.columns pop_size = 20 # 种群数量 max_value = 10 #

tree 命令英文理解为树的意思，其功能是是创建文件列表，将目录所有文件以树状的形式列出来。是一款在颜值上优先于ls的命令。本次上传的安装包适用于红帽7、centOS7 linux中的tree命令默认并不会安装， [root@localhost ~]# tree -Cd /mnt/ /mnt/ └── cdrom ├── addons │   ├── HighAvailability │   │   └── repodata │   └── ResilientStorage │   └── repodata ├── EFI │   └── BOOT │   └── fonts ├── images │   └── pxeboot ├── isolinux ├── LiveOS ├── Packages └── repodata 15 directories