kdtree（kd-树）的mex库，它允许最近邻域，k最近邻域，范围等查询 kd-tree的简约实现。该实现既可以通过MEX调用在MATLAB内部使用，也可以直接从C / C ++程序中作为独立工具使用。网站上的图像已使用“ fulltest.m”创建。 此实现提供以下功能： -kdtree_build：kd树构造O -kdtree_delete：释放由kdtree分配的内存 -kdtree_nearest_neighbor：最近的邻居查询（一个或多个点） -kdtree_k_nearest_neighbors：单个查询点的kNN -kdtree_range_query：矩形范围查询 -kdtree_ball_query：查询距离某点有距离增量的样本

生成可拖拽的树状结构，节点可以通过拖拽移动，插入 很帅啊.

该MFC程序主要演示哈夫曼树在双工通道之间信息传递的过程和计算机进行的数据转换

pcie 调试工具，替代32位pci tree，可查看pcie配置空间，附带使用方法，解决pcie ip核调试问题

关于kd树的一些算法的代码实现 关于kd树的一些算法的代码实现

决策树（decision tree）类似于流程图的树结构，由一个根节点，一组内部节点和一组叶节点组成。每个内部节点（包括根节点）表示在一个属性上的测试，每个分枝表示一个测试输出，每个叶节点表示一个类，有时不同的叶节点可以表示相同的类。

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

数据结构课程设计 k-d树ADT、范围查询、可视化。kd-tree（k-dimensional树的简称），是一种分割k维数据空间的数据结构。主要应用于多维空间关键数据的搜索（如：范围搜索和最近邻搜索）。K-D树是二进制空间分割树的特殊的情况。 在计算机科学里，k-d树（ k-维树的缩写）是在k维欧几里德空间组织点的数据结构。k-d树可以使用在多种应用场合，如多维键值搜索（例：范围搜寻及最邻近搜索）。k-d树是空间二分树（Binary space partitioning ）的一种特殊情况。

基于layui模块制作的一款带复选框的tree结构树拓展包（带复选框）

Charlie Harrington 的博客 - 我的网站的源代码 本地开发 创建env.sh与所需的ENV变量（在Netlify还设立） export VAR_NAME= " foo " 然后运行这些命令： npm install npm develop 写新帖子 ./scripts/new-post.sh 部署 Netlify 从master分支自动部署。 设置 注意：还需要在 Netlify 上添加新的 API 密钥/环境变量。 另外，请确保根目录中有一个 CNAME 文件，如下所示： www.charlieharrington.com