资源包含文件：设计报告word+Python源码及数据 朴素的 PageRank 算法在 Web 网页结构良好的环境下可以正常运行，通过迭代可以对不同的网页给出合理的打分。然而，研究表明，现实中的 Web 网页结构常常出现网页个体或网页群体没有出向链接，即网络中的 dead ends 和 spider trap。PageRank 算法经过迭代之后，全体系统的权重会被以上两种 Web 网页结构吸收，其余页面的权重会趋于 0，这使得计算得出的结果失去意义。基于以上的问题，Google 对于朴素的 PageRank 算法提出改进策略。新的算法增加了随机游走因子，对于 Web 网页间的行为进行了更加细致的建模。 详细介绍参考：https://biyezuopin.blog.csdn.net/article/details/125219303

这是一个关于数据挖掘中关联规则之Aprior算法的实现。这是从网上找到的一个别人写好的程序，本人只是对这个程序进行了轻微的修改；本人忘记了这个程序是由谁写的，所以如果您发现这个程序的原创作者，可以联系本人，本人深表谢意。

Julia 中无穷小连续归一化流算法的实现

如果您想了解逻辑，Skryptonite 代码的文档会更完整。但简而言之，通过将最后一个块放在首位并组织内部矩阵块以便对角线移动到列中，重新排列数据以获得最佳内部操作。

由0和1构成的m*n维矩阵M表示一个迷宫，其中0表示通路，1表示墙壁。迷宫入口为(1,1),出口为(m,n)。迷宫随机产生。试编一算法求出从入口点到出口点可沿八个方向或四个方向前进的一条通路，或显示没有通路

AdaboostOnMNIST 这是使用两个不同的弱学习者从头开始实现Adaboost算法的方法：决策树分类器和梯度提升分类器。 Adaboost在MNIST上运行以告知奇数和偶数。 经过scikit Learn模型的adaboost测试，并获得了更高的分数。 最小的训练误差为％1.8，在7次迭代中进行了梯度增强。 函数调用为adaboost（X_train，Y_train，inversions_t，Classifier_type），有两种类型的分类器，“ Gradient_Boost”和“ Decision_tree”可以放入第4个输入中。 adaboost返回一个4元组（stump，stump_weights，errors，D_weights） 您可以使用predict（stumps，stump_weights，X_test）对训练集进行预测。 这将返回该X_test的标签数组

蚁群算法 matlab实现，可用于基本开发....内附说明....

主要介绍了Python语言描述KNN算法与Kd树，具有一定借鉴价值，需要的朋友可以参考下。

数据挖掘 贝叶斯算法 C++ 贝叶斯算法一般都用MATLAB实现，好不容易找到个C++的，可以用到工程中去

对直接插入排序、希尔排序、冒泡排序、快排、简单选择排序、堆排序的性能进行分析：比较各种排序算法在不同测试数据情况下的比较次数、移动次数。