纯C实现的通用红黑树容器不好找，于是自己琢磨着实现了一个。
算法部分直接剪裁自Linux内核中的rbtree
作者主要是在此基础上封装了一个通用的容器
里面含有 test例子 以及 benchmark基准测试
另外这个是Windows和Linux都可以用的
由于Linux内核的rbtree用了很多C99语法，笔者还得写了一些宏改造内核代码
Linux下的make是完整的
Windows下提供了VS08版的sln文件（只有test木有benchmark）
附带了一个C++里面的STL Map的benchmark
2021-08-06 09:13:17
12KB
1
机器学习python决策树（tree.DecisionTreeRegressor）算法实例-附件资源
2021-06-18 16:03:44
106B
1
使用二叉链表建立一个二叉树，包含tree.h头文件。具体需求分析等如下：
https://blog.csdn.net/qq_41400623/article/details/114659122
2021-05-15 14:03:29
3KB
1
机器学习python决策树（tree.DecisionTreeRegressor）算法实例-附件资源
2021-03-02 16:03:00
23B
1
（1）I：初始化（Initialization）。从终端读入字符集大小n，以及n个字符和n个权值，建立哈夫曼树，并将它存于文件hfmTree中。
（2）E：编码（Encoding）。利用已建好的哈夫曼树（如不在内存，则从文件htmTree中读入），对文件ToBeTran中的正文进行编码，然后将结果存入文件CodeFile中。
（3）D：译码（Decoding）。利用已建好的哈夫曼树将文件CodeFile中的代码进行译码，结果存入文件TextFile中。
（4）P：印代码文件（Print）。将文件CodeFile以紧凑格式显示在终端上，每行50个代码。同时将此字符形式的编码写入文件CodePrint中。
（5）T：印哈夫曼树（Tree Printing）。将已在内存中的哈夫曼树以直观的方式（树或凹入表形式）显示在终端上，同时将此字符形式的哈夫曼树写入文件TreePrint中。
[测试数据]
（1）数据一：已知某系统在通信联络中只可能出现8种字符，其概率分别为0.05,0.29,0.07,0.08,0.14,0.23,0.03,0.11,以此设计哈夫曼编码。利用此数据对程序进行调试。
（2）用下表给出的字符集和频度的实际统计数据建立哈夫曼树，并实现以下报文的编码和译码：“THIS PROGRAM IS MY FAVORITE”。
字符 A B C D E F G H I J K L M
频度 186 64 13 22 32 103 21 15 47 57 1 5 32 20
字符 N O P Q R S T U V W X Y Z
频度 57 63 15 1 48 51 80 23 8 18 1 16 1
2019-12-24 03:11:05
619KB
1