运动编码粒子群优化（MPSO）源代码演示，找到一条能最大化找到目标概率的路径

基于独立级联模型的社交网络影响力最大化

基于负熵最大化的FastICA算法

利用Qt实现自定义标题栏功能（自定义最大化、最小化、关闭等功能），自定义标题栏，可以自己设计按键的大小，图标，位置，能够和背景更加统一，详细内容可参考文章：https://blog.csdn.net/didi_ya/article/details/124195800

此提交提供了一些用于操作排列（顺序、排名）集（或配置文件）的工具。 函数的帮助中提供了基本理论和参考资料。 PermutationDistance 计算排列或排列组之间的 Kendall tau 距离（或交换或冒泡排序距离）。 MedianPermutation 计算使 Kendall tau 距离之和最小的阶（或多个阶）。 这是 Kemeny-Young 订单，它具有作为共识订单的理想特性。 然而，这是一个计算困难的问题。 这种实现使用了文献中的各种想法来提高效率，但进行了精确的计算，因此它可以处理的排列的长度和数量受到限制。 它在我们的数据上成功运行（作为下面聚类算法的一部分）：长度为 15 的 20 个左右排列的集合。 MallowsClustering 使用参数指数模型（Mallows phi 分布）运行期望最大化 (EM) 算法，以找到表示数据的“最佳”混合模型。 这使用（加权）

1、内容概要：社交网络影响力最大化（Python实现）及Wiki-Vote数据集。（1）线性阈值模型（LT模型）代码实现（代码有详细注释）；（2）LT模型改进算法-贪心算法代码实现（代码有详细注释）； 2、源代码适用于学生或研究者等人，该研究方向的学生可以对源代码及相关论文进行学习实验。 3、影响力最大化的应用场景十分丰富，包括病毒营销，推荐系统，信息扩散，时间探测，专家发现，链接预测等。 4、主要文件有：BAcreate.py，linear_threshold.py，linear_threshold_clime.py，LT_improve.py，test_linear_threshold.py，test_linear_threshold_clime.py，Wiki-Vote.txt。

在基于位置的社交网络中使用众包数据探索影响力最大化

VS+Qt设置窗口尺寸（一）：固定窗口大小，无法最大化，调节尺寸

在本文中，我们考虑结合确定性退火方法和Tsallis熵最大化的模糊c均值（FCM）聚类算法。 Tsallis熵是Shannon熵的q参数扩展。 通过在FCM框架内最大化Tsallis熵，可以推导出类似于统计机械分布函数的隶属函数。 使用此方法时的主要考虑因素之一是如何为给定的数据集确定合适的q值和最高退火温度Thigh。 因此，在本文中，提出了一种在不引入任何附加参数的情况下同时确定这些值的方法。 在我们的方法中，隶属函数通过一系列扩展方法进行近似，并且K-means聚类算法被用作预处理步骤以估计每个数据分布的半径。 实验结果表明，该方法是有效的，并且可以根据给定的数据集自动和代数确定q和Thigh。

WinForm窗体跟随最大化最小化自适应C#，窗体跟随，跟随句柄， 最大化， 最小化 跟随移动 ，winform .net C#