英文版，世界著名的数据库专家，曾经担任ANSI SQL标准委员会成员达10年之久的作者所著代表作，关系数据库存储各种如图，树，二叉树等数据结构的实现及操作，如邻接表，先序遍历树等，虽不是新书，但个人认为是很经典的一本，是数据设计很好的参考书

图论 介绍 图论有时被称为复杂网络或网络科学或网络分析，是离散数学中最前卫的研究领域之一，也是我最喜欢的学科之一。 在这里，“图形”是首选名称，因为太多的人将“网络”一词与互联网联系在一起。 鉴于数据科学的繁荣，图论一直被机器学习的炒作所笼罩。 但是，一些一流的技术公司（例如Google和Facebook）在很大程度上依赖于图论的研究。 该存储库旨在增加图论对所有读者的了解。 它包含常见的图形算法，流行的网络模型，有趣的基于代理的仿真和惊人的复杂系统。 代码范围从基本级别到复杂级别，在生态学，流行病学，社会学，经济学，金融学等领域都有广泛的应用。Julia和Python均用于构建不同的脚本。 随着我逐渐攀升学习曲线，越来越多的有趣内容将会涌现出来。 敬请关注！ 目录 演算法 马图拉·贝克（Matula Beck） 原始 应用领域 疫情暴发 外汇套利 人居竞赛 人居占用 核心 骑士之旅

倾斜决策树的合奏 作者：Torsha Majumder 电子邮件： 背景 该存储库包含几种与Scikit-Learn的Bagging分类器兼容的决策树算法。 有关完整的实验设置和结果，请检查。 如果您认为此代码有用，请引用我的工作。 引文 Majumder，T.（2020年）。 倾斜决策树的合奏[德克萨斯大学达拉斯分校的硕士学位论文]。 UTD论文和学位论文。 实验 本实验考虑的决策树： * Standard Decision Tree with Bagging * Oblique Classifier 1 with Bagging * Weighted Oblique Decision Tree with Bagging * Randomized CART with Bagging * HouseHolder CART with Bagging * Continuous Optimi

该文件包含用于新图形的 Matlab 脚本和选定的解决方案，以及适用于检测、估计和调制理论第 1 部分第 2 版第 6-9 章的 Matlab 脚本，Harry L. Van Trees、Kristine L. Bell 和 Zi Tian，威利，2013 年。ISBN-13：978-0470542965。 第 2-5 章的材料单独发布。 Harry Van Trees 的检测、估计和调制理论第一部分最初于 1968 年出版，是信号处理领域经过时间考验的伟大经典之一。 它具有高度可读性和实用性，对于当今的专业人士、研究人员和学生来说，与三十多年前一样，在最佳信号处理方面势在必行。 第二版是一次彻底的修订和扩展，几乎是第一版的两倍，并考虑到了新的发展，从而使其再次成为对该主题最全面和最新的处理。 在雷达，声纳，通信，地震学，生物医学工程和雷达天文学等众多应用中，重要的检测和估计领域很少像这里

树木 我对空间殖民算法的实现 基本上这是空间殖民算法的直接实现，如下所述： : 我正在我的博客上慢慢记录这项工作目前我正在运行 Mac OS X Yosemite 并安装了最新 XCode 的 Macbook Pro 上完成所有这些工作。 这就是我测试它的全部内容。 GitHub 存储库可能在博客文章之前运行。 依赖关系 除了明显需要 C++ 编译器和支持 OpenGL 4 的硬件外，还使用了以下 3rd 方库： 使用的纹理是从下载的 此存储库包含在 Mac 上编译所需的这些库中的那些文件。 执照 我已经在 MIT 许可下发布了我的代码，但我绝不会声称是空间殖民算法的作者，也不会超过使用过的 3rd 方库。 他们都有自己的许可证，您需要检查是否要使用此处提供的任何代码。 如果您确实发现这些东西有用，我会很感激某处的消息和信用。

Behavior Trees in Robotics&AI; A Behavior Tree (BT) is a way to structure the switching between different tasks1 in an autonomous agent, such as a robot or a virtual entity in a computer game. An example of a BT performing a pick and place task can be seen in Fig.

Behavior Trees for Hierarchical RTS AI

Behavior Designer - Behavior Trees for Everyone 1.6.2

纽约市财产回归 基于纽约数据的房地产价格预测的真实案例研究。 项目背景 以在纽约州投资于房屋和公寓的房地产投资信托（REIT）为例，房地产投资信托（REIT）业务的一部分是试图预测房地产在出售前的公平交易价格。 他们这样做是为了校准内部定价模型并保持市场脉动。 在此项目中，数据集表示纽约州一个小县内房屋，公寓和公寓的投资。 当前的工作解决方案 房地产投资信托目前使用第三方评估服务，以其自身的专业知识估算房地产价格。 在实践中，各个评估员的技能水平差异很大。 为了估算错误定价范围，房地产投资信托基金进行了试运行，以将实际交易价格与评估师的估算值进行比较。 结果发现，没有经验的评估员给出的估计数平均相差70,000美元。 作为数据科学家的角色 房地产投资信托基金已决定采用数据驱动的方法来评估物业，而不是依靠评估师的个人专业知识。 目前，房地产投资信托基金有尚未开发的市场上先前物业交易价格

Dan Gusfield的字符串处理的经典书籍Algorithms on Strings, Trees and Sequences，完整版，550页。由djvu格式转换过来的，比较清楚，但是不能搜索和复制文字。