JS Tree树形菜单，确实是够经典的WEB版树形菜单特效，带有节点连接线的树状折叠菜单，点击的时候会展开子菜单，适合用于WEB版的信息管理系统、CMS后台系统中，你喜欢的话，你可以用在任意你想要的地方。

该源码可用于建立树结构的数据结构，与c++标准库中中vector, list, map等用法完全相同，只需要在程序中包含该头文件即可使用，可以作为标准库的补充

LAYUI下拉菜单全面只选父级，不选子集方法

菜菜完整机器学习教程，内含code和从参数说明，以及参考书目的目录等 01 决策树课件数据源码 02随机森林 03数据预处理和特征工程 04主成分分析PCA与奇异值分解SVD 05逻辑回归与评分卡 06聚类算法Kmeans 07支持向量机上 08支持向量机下等

带复选框的树形菜单，支持无限层级、绝对好用，有文档、有事例~功能非常强大

[Angular 1.x]按树显示treeDnD和事件DrapnDrop，字段“ td”。 ###支持（仅当我在线时） 演示： ＃＃＃需求： angular: >=1.2.1 来源（> = 3.0.4） http://thienhung1989.github.io/angular-tree-dnd/3.0.4/ng-tree-dnd.css http://thienhung1989.github.io/angular-tree-dnd/3.0.4/ng-tree-dnd.js http://thienhung1989.github.io/angular-tree-dnd/3.0.4/ng-tree-dnd.min.js 安装凉亭： bower install angular - tree - dnd npm install angular - tree - dnd 问题 大数据不好（使用scrollInfinite开发的数据将很快更新）。 特征 显示2种类型的数据树：Table-Grid＆List （ul，ol） 。 拖放。 过滤数据

id3 matlab代码多使用从头开始的决策树进行分类 介绍 利用决策树基于ID3算法对字母识别数据进行分类，得到混淆矩阵。 第一部分 该树是根据信息增益（IG）准则进行训练的。 第二部分 该树是根据基尼系数准则进行训练的。 第三方 拥有最大IG的两个属性被交换并训练了树。 第四部分 使用随机森林，将属性聚类为K折，并训练K树，并找到最准确的K。 通过两种方法实现，一种使用单元格（消耗内存），另一种使用嵌套查询。 代码中的详细信息！ 数据集 数据集是一个Mat文件，可以使用MATLAB中的loadmat命令轻松读取。 它包括4000个测试和16000个训练的手写黑白字母，共26个班级。 每个实例具有16个特征，例如不同像素的数量，黑色像素的均值和方差以不同的方式等等。 该存储库中文件的描述 code/initial_tree.m ：执行此文件以训练基于IG的决策树。 code/initial_tree_GINI.m ：执行此文件以基于Gini索引训练决策树。 code/tree_changed_atts.m ：第三部分 code/random_forest.m ：包含第4部分。

人脸检测训练好的分类器文件haarcascade_frontalface_alt_tree.xml，配合opencv进行人脸检测

C++实现的表达式树。测试的组合有 3 4 + 2 * 2 3 4 * + x x - a b + * x 1 * x 3 + 2 * 3 4 5 * + 3 4 5 ^ + 3 4 5 ^ % 31 x + 42 5 ^ % xcc xc - aa bb + * x 1 % x ^ 10 + 可将上面字符复制到测试文件中，文件名写死在了程序中 可实现简单的优化.

使用空间殖民算法生成树 一个并行的C ++工具，使用空间殖民化算法以程序方式生成树。 该项目基于和库。 使用的算法摘自Runions，Lane和Prusinkiewicz的论文“使用空间殖民化算法对树木建模”； 评估平行运输框架的方法取自Hanson和Ma的“曲线运输的平行运输方法”。 我们用于生成模型的全部取自网站 。 执行 该工具的基本输入是树冠的形状和许多吸引点，它们将随机放置在树冠中。 此后，开始增长，该工具使用Voro ++库计算两个Voronoi图，一个用于吸引点，另一个用于树节点。 然后，我们在节点上循环（为每个节点创建一个新线程），我们在每个树节点的一定距离（称为影响半径）内搜索最近的吸引点（我们使用吸引点的循环进行搜索），通过添加一个更接近吸引点的新节点来计算增长。 一旦树节点在吸引点的终止距离内，该点将被视为死点，并且不会影响以后的迭代中的增长。 只要以下条件持续