最新的支持向量機工具箱，有了它會很方便 1. Find time to write a proper list of things to do! 2. Documentation. 3. Support Vector Regression. 4. Automated model selection. REFERENCES ========== [1] V.N. Vapnik, "The Nature of Statistical Learning Theory", Springer-Verlag, New York, ISBN 0-387-94559-8, 1995. [2] J. C. Platt, "Fast training of support vector machines using sequential minimal optimization", in Advances in Kernel Methods - Support Vector Learning, (Eds) B. Scholkopf, C. Burges, and A. J. Smola, MIT Press, Cambridge, Massachusetts, chapter 12, pp 185-208, 1999. [3] T. Joachims, "Estimating the Generalization Performance of a SVM Efficiently", LS-8 Report 25, Universitat Dortmund, Fachbereich Informatik, 1999.
上傳時間： 2013-12-16
上傳用戶：亞亞娟娟123
具有n 個頂點的無向網絡G的每個生成樹剛好具有n-1條邊，采用三種不同的貪婪策略來選擇這n-1條邊。
上傳時間： 2015-03-14
上傳用戶：jichenxi0730
采用c++編寫,上機運行通過的N皇后實現代碼,絕對可用
上傳時間： 2013-12-17
上傳用戶：asdfasdfd
程序存儲問題:設有n 個程序{1,2,…, n }要存放在長度為L的磁帶上。程序i存放在磁帶上的長度是Li ，1≤i≤n 程序存儲問題要求確定這n 個程序在磁帶上的一個存儲方案，使得能夠在磁帶上存儲盡可能多的程序。 編程任務： 對于給定的n個程序存放在磁帶上的長度，編程計算磁帶上最多可以存儲的程序數。 數據輸入：由文件input.txt給出輸入數據。第一行是正整數n，表示文件個數。接下來的1 行中，有n 個正整數，表示程序存放在磁帶上的長度。 結果輸出: input.txt output.txt 6 50 5 2 3 13 8 80 20
上傳時間： 2013-12-20
上傳用戶：dongqiangqiang
/*數字三角形問題 問題描述： 給定一個由n行數字組成的數字三角形如下圖所示。試設計一個算法,計算出從三角形的頂至底的一條路徑,使該路徑經過的數字總和最大。 7 3 8 8 1 0 2 7 4 4 4 5 2 6 5 編程任務： 對于給定的由n行數字組成的數字三角形,編程計算從三角形的頂至底的路徑經過的數字和的最大值
上傳時間： 2013-12-16
上傳用戶：ccclll
/*最大k乘積問題 問題描述: 設I是一個n位十進制整數。如果將I劃分為k段，則可得到k個整數。這k個整數的乘積稱為I的一個k乘積 。 試設計一個算法，對于給定的I和k，求出I的最大k乘積（n<=10）。 示例:輸入為 ： 4 3 結果:1234 */
上傳時間： 2013-12-14
上傳用戶：caixiaoxu26
用匯編語言,并且遞歸求菲波那契函數FIB(N)---(N from 1 to 24) (huangyujie)
標簽： huangyujie from FIB 24
上傳時間： 2014-01-14
上傳用戶：banyou
采用的是康力山等人確定的實驗參數。 對于n個城市的旅行商問題，其參數如下： 初始溫度：t0=280, 每一個溫度下采用固定的迭代次數L=100n, 溫度的衰減系數alpha=0.92 算法停止的準則是當相鄰兩個溫度得到的解變化很小時算法停止。
上傳時間： 2013-12-16
上傳用戶：xhz1993
仿真1：首先把網絡溫度參數T固定在100，按工作規則共進行1000次狀態更新,把這1000次狀態轉移中網絡中的各個狀態出現的次數Si（i＝1，2，…，16）記錄下來 按下式計算各個狀態出現的實際頻率： Pi=Si/∑i=1,NSi=Si/M 同時按照Bo1tzmann分布計算網絡各個狀態出現概率的理論值： Q（Ei）=（1/Z）exp（-Ei/T） 仿真2：實施降溫方案，重新計算 采用快速降溫方案：T（t）= T0/（1+t） T從1000降到0.01，按工作規則更新網絡狀態 當T=0.01時結束降溫，再讓T保持在0.01進行1000次狀態轉移，比較兩種概率
上傳時間： 2014-01-20
上傳用戶：獨孤求源
Hopfield 網——擅長于聯想記憶與解迷路 實現H網聯想記憶的關鍵，是使被記憶的模式樣本對應網絡能量函數的極小值。 設有M個N維記憶模式，通過對網絡N個神經元之間連接權 wij 和N個輸出閾值θj的設計，使得: 這M個記憶模式所對應的網絡狀態正好是網絡能量函數的M個極小值。 比較困難，目前還沒有一個適應任意形式的記憶模式的有效、通用的設計方法。 H網的算法 1）學習模式——決定權重 想要記憶的模式，用-1和1的2值表示 模式：-1，-1，1，-1，1，1，... 一般表示： 則任意兩個神經元j、i間的權重： wij=∑ap(i)ap(j)，p=1…p； P：模式的總數 ap(s)：第p個模式的第s個要素（-1或1） wij：第j個神經元與第i個神經元間的權重 i = j時，wij=0，即各神經元的輸出不直接返回自身。 2)想起模式： 神經元輸出值的初始化 想起時，一般是未知的輸入。設xi(0)為未知模式的第i個要素（-1或1） 將xi(0)作為相對應的神經元的初始值，其中，0意味t=0。 反復部分：對各神經元，計算： xi (t+1) = f (∑wijxj（t）-θi), j=1…n, j≠i n—神經元總數 f（）--Sgn（） θi—神經元i發火閾值 反復進行，直到各個神經元的輸出不再變化。
上傳時間： 2015-03-16
上傳用戶：JasonC
