時間復雜度為O(nlogn)的最長單調遞增子序列問題的計算程序。不是動態規劃算法。在一分鐘之內可以計算n=10^6個元素的遞增子序列。
上傳時間： 2014-03-10
上傳用戶：1966640071
堆排序 穩定的排序 復雜度為N（logN ） 也是一種快速的排序
上傳時間： 2015-12-01
上傳用戶：chfanjiang
trie tree, 是一個高效處理字符串的比較常見的算法,能夠讓我們在復雜度 O(log(n))的情況下插入和查詢一個字符串
上傳時間： 2013-12-22
上傳用戶：SimonQQ
K-MEANS算法: k-means 算法接受輸入量 k ；然后將n個數據對象劃分為 k個聚類以便使得所獲得的聚類滿足：同一聚類中的對象相似度較高；而不同聚類中的對象相似度較小。聚類相似度是利用各聚類中對象的均值所獲得一個“中心對象”（引力中心）來進行計算的。 k-means 算法的工作過程說明如下：首先從n個數據對象任意選擇 k 個對象作為初始聚類中心；而對于所剩下其它對象，則根據它們與這些聚類中心的相似度（距離），分別將它們分配給與其最相似的（聚類中心所代表的）聚類；然后再計算每個所獲新聚類的聚類中心（該聚類中所有對象的均值）；不斷重復這一過程直到標準測度函數開始收斂為止。一般都采用均方差作為標準測度函數. k個聚類具有以下特點：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開
上傳時間： 2016-07-31
上傳用戶：youlongjian0
K-MEANS算法: k-means 算法接受輸入量 k ；然后將n個數據對象劃分為 k個聚類以便使得所獲得的聚類滿足：同一聚類中的對象相似度較高；而不同聚類中的對象相似度較小。聚類相似度是利用各聚類中對象的均值所獲得一個“中心對象”（引力中心）來進行計算的。 k-means 算法的工作過程說明如下：首先從n個數據對象任意選擇 k 個對象作為初始聚類中心；而對于所剩下其它對象，則根據它們與這些聚類中心的相似度（距離），分別將它們分配給與其最相似的（聚類中心所代表的）聚類；然后再計算每個所獲新聚類的聚類中心（該聚類中所有對象的均值）；不斷重復這一過程直到標準測度函數開始收斂為止。一般都采用均方差作為標準測度函數. k個聚類具有以下特點：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開
上傳時間： 2013-12-19
上傳用戶：chenlong
k-means 算法接受輸入量 k ；然后將n個數據對象劃分為 k個聚類以便使得所獲得的聚類滿足：同一聚類中的對象相似度較高；而不同聚類中的對象相似度較小。聚類相似度是利用各聚類中對象的均值所獲得一個“中心對象”（引力中心）來進行計算的。 Matlab 源代碼，以蘭花數據集作為測試對象。
上傳時間： 2014-01-21
上傳用戶：2525775
很高效的判斷組合數C(n,k)的奇偶性。 巧妙的使用了位運算。時間復雜度為O(1). 避免使用大數類。
上傳時間： 2016-12-01
上傳用戶：lizhen9880
1)自選存儲結構,輸入含n個頂點（用字符表示頂點）和e 條邊的圖G； (2)求每個頂點的度,輸出結果； (3)指定任意頂點x為初始頂點,對圖G作DFS遍歷,輸出DFS 頂點序列(提示:使用一個棧實現DFS)； (4)指定任意頂點x為初始頂點,對圖G作BFS遍歷,輸出BFS 頂點序列(提示:使用一個隊列實現BFS)； (5)輸入頂點x,查找圖G:若存在含x的頂點,則刪除該結點及 與之相關連的邊,并作DFS遍歷(執行操作3)；否則輸出信 息“無x”； (6)判斷圖G是否是連通圖，輸出信息“YES”/“NO”； (7)如果選用的存儲結構是鄰接矩陣,則用鄰接矩陣的信息生 成圖G的鄰接表,即復制圖G,然再執行操作(2)；反之亦然。
上傳時間： 2013-12-26
上傳用戶：123456wh
給定n個節點xi（i=0,1,...,n-1）上的函數值yi=f[xi]，用拉格朗日插值公式計算指定插值點t處的函數近似值z=f[t]
上傳時間： 2013-12-21
上傳用戶：小眼睛LSL
給定n個節點xi[i=0,1,...,n-1]上的函數值yi=f[xi],用拋物插值公式計算指定插值點t處的函數近似值z=f[t]
上傳時間： 2017-03-10
上傳用戶：chfanjiang
