一种C++环境下简单的西安地铁规划最小生成树(站点选自西安地铁234号线路)
2022-06-22 14:54:48 239KB 西安地铁规划 最小生成树
1
覆盆子花园 基于树莓派的智能花园监控项目,用于赫尔辛基大学“物联网:Exactum温室”课程 警告:这是一个实验性项目,尚未完成 硬件 Raspberry Pi 512Mb B + 英国威廉希尔SparkFun湿度和温度传感器突破-SHT15 Seeed Studio土壤湿度和温度传感器 HCSR-04超声波测距模块 电磁阀控制的水库和浇水系统 软件 在RaspberryPi上运行的基于NodeJS的监视软件 基于AngularJS的Firebase Web应用程序用于数据可视化 套管 3D打印的塑料外壳 地点 位于Kumpula校区Exactum大楼屋顶的实验研究实验室称为“ Exactum温室”。 安装 已在全球安装Nodejs 永久安装在全球 须藤apt-get install fswebcam 安装软件 运行npm install运行./install.sh
2022-06-22 09:36:23 16KB JavaScript
1
数据结构课件:第六章 树和二叉树.ppt
2022-06-22 09:08:30 2.08MB 数据结构
20二叉树的中序、前序、后序的递归、非递归遍历算法,层次序的非递归遍历算法的实现,应包含建树的实现。(2 人) 要求: 树与二叉树的转换的实现。以及树的前序、后序的递归、非递归遍历算法,层次序的非递归遍历算法的实现,应包含建树的实现。
2022-06-22 08:45:46 16KB c/c++ 二叉树 课程设计 遍历
1
主要为大家详细介绍了C++二叉树实现词频分析功能,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
2022-06-21 23:46:26 43KB C++ 二叉树 词频分析
1
【对应博客内本章内容】 4.3 编程实现基于信息熵进行划分选择的决策树算法,并为西瓜数据集3.0中的数据生成一颗决策树。 4.4 编程实现基于基尼指数进行划分选择的决策树算法,为西瓜数据集2.0生成预剪枝、后剪枝决策树,并与未剪枝决策树进行比较。 4.6 选择4个UCI数据集,对上述2种算法产生的未剪枝,预剪枝,后剪枝的决策树进行实验比较,并进行适当的统计显著性检验。 原文链接:https://blog.csdn.net/m0_46345193/article/details/
2022-06-21 21:07:18 16KB 西瓜书 机器学习 决策树 python
微信小程序 阅读读书 树芽读书 (源代码+截图)微信小程序 阅读读书 树芽读书 (源代码+截图)微信小程序 阅读读书 树芽读书 (源代码+截图)微信小程序 阅读读书 树芽读书 (源代码+截图)微信小程序 阅读读书 树芽读书 (源代码+截图)微信小程序 阅读读书 树芽读书 (源代码+截图)微信小程序 阅读读书 树芽读书 (源代码+截图)微信小程序 阅读读书 树芽读书 (源代码+截图)微信小程序 阅读读书 树芽读书 (源代码+截图)微信小程序 阅读读书 树芽读书 (源代码+截图)微信小程序 阅读读书 树芽读书 (源代码+截图)微信小程序 阅读读书 树芽读书 (源代码+截图)微信小程序 阅读读书 树芽读书 (源代码+截图)微信小程序 阅读读书 树芽读书 (源代码+截图)微信小程序 阅读读书 树芽读书 (源代码+截图)微信小程序 阅读读书 树芽读书 (源代码+截图)微信小程序 阅读读书 树芽读书 (源代码+截图)微信小程序 阅读读书 树芽读书 (源代码+截图)微信小程序 阅读读书 树芽读书 (源代码+截图)微信小程序 阅读读书 树芽读书 (源代码+截图)微信小程序 阅读读书 树芽读书 (源代码
2022-06-21 21:05:45 3.98MB 微信小程序阅读读书树芽读书
树形菜单栏(html),树形菜单栏(html),树形菜单栏(html)
2022-06-21 20:38:51 213KB TreeView
1
贡献指南 本项目需要校对,欢迎大家提交 Pull Request。 请您勇敢地去翻译和改进翻译。虽然我们追求卓越,但我们并不要求您做到十全十美,因此请不要担心因为翻译上犯错——在大部分情况下,我们的服务器已经记录所有的翻译,因此您不必担心会因为您的失误遭到无法挽回的破坏。(改编自维基百科) 联系方式 在我们的 apachecn/apachecn-tf-zh github 上提 issue. 发邮件到 Email: apachecn@163.com. 在我们的 组织学习交流群 中联系群主/管理员即可.
2022-06-21 19:06:07 5.41MB opencv
1
支持向量机作为非参数方法已经广泛应用于信用评估领域.为克服其训练高维数据不能主动进行特征选择导致准确率下降的缺点,构建C4.5决策树优化支持向量机的信用评估模型.利用C4.5信息熵增益率方法进行属性选择,减少冗余属性.模型通过网格搜索确定最优参数,使用F-score和平均准确率评价模型性能,并在两组公开数据集上进行验证.实证分析表明,C4.5决策树优化支持向量机的信用评估模型有效减少了数据学习量,较于传统各类单一模型有较高的分类准确率和实用性.
1