(1)輸入E條弧<j,k>,建立AOE-網(wǎng)的存儲(chǔ)結(jié)構(gòu) (2)從源點(diǎn)v出發(fā),令ve[0]=0,按拓?fù)渑判蚯笃溆喔黜?xiàng)頂點(diǎn)的最早發(fā)生時(shí)間ve[i](1<=i<=n-1).如果得到的拓樸有序序列中頂點(diǎn)個(gè)數(shù)小于網(wǎng)中頂點(diǎn)數(shù)n,則說明網(wǎng)中存在環(huán),不能求關(guān)鍵路徑,算法終止 否則執(zhí)行步驟(3)(3)從匯點(diǎn)v出發(fā),令vl[n-1]=ve[n-1],按逆拓樸排序求其余各頂點(diǎn)的最遲發(fā)生時(shí)間vl[i](n-2>=i>=2). (4)根據(jù)各頂點(diǎn)的ve和vl值,求每條弧s的最早發(fā)生時(shí)間e(s)和最遲開始時(shí)間l(s).若某條弧滿足條件e(s)=l(s),則為關(guān)鍵活動(dòng).
上傳時(shí)間： 2014-11-28
上傳用戶：fredguo
K-均值聚類算法的編程實(shí)現(xiàn)。包括逐點(diǎn)聚類和批處理聚類。K－均值聚類的的時(shí)間復(fù)雜度是n*k*m，其中n為樣本數(shù)，k為類別數(shù)，m為樣本維數(shù)。這個(gè)時(shí)間復(fù)雜度是相當(dāng)客觀的。因?yàn)槿绻妹棵?0億次的計(jì)算機(jī)對(duì)50個(gè)樣本采用窮舉法分兩類，尋找最優(yōu)，列舉一遍約66.7天，分成3類，則要約3500萬年。針對(duì)算法局部最優(yōu)的缺點(diǎn)，本人正在編制模擬退火程序進(jìn)行改進(jìn)。希望及早奉給大家，傾聽高手教誨。
上傳時(shí)間： 2015-03-18
上傳用戶：yuanyuan123
由于K－均值聚類算法局部最優(yōu)的特點(diǎn)，而模擬退火算法理論上具有全局最優(yōu)的特點(diǎn)。因此，用模擬退火算法對(duì)聚類進(jìn)行了改進(jìn)。20組聚類仿真表明，平均每次對(duì)K結(jié)果值改進(jìn)8次左右，效果顯著。下一步工作：實(shí)際上在高溫區(qū)隨機(jī)生成鄰域是個(gè)組合爆炸問題（見本人上載軟件‘k－均值聚類算法’所述），高溫跳出局部解的概率幾乎為0，因此正考慮采用凸包約束進(jìn)行模擬聚類，相關(guān)工作正在進(jìn)行。很快將奉獻(xiàn)給各位朋友。
上傳時(shí)間： 2015-03-18
上傳用戶：hullow
k均值聚類算法源碼，比較經(jīng)典，無解壓密碼
上傳時(shí)間： 2014-07-09
上傳用戶：lnnn30
是K均值算法的一個(gè)Linux下的編譯的程序,用標(biāo)準(zhǔn)C++編寫的
上傳時(shí)間： 2013-12-27
上傳用戶：aa54
數(shù)據(jù)挖掘中K均值算法的實(shí)現(xiàn)用MATLAB編寫
標(biāo)簽： MATLAB 數(shù)據(jù)挖掘 K均值算法 編寫
上傳時(shí)間： 2015-03-23
上傳用戶：maizezhen
漫談Familiar + QPE在iPAQ的安裝與使用Windows CE, Palm O.S 兩者都提供一個(gè)完善的開發(fā)平臺(tái)
標(biāo)簽： O.S Familiar Windows Palm
上傳時(shí)間： 2013-12-26
上傳用戶：a673761058
3D游戲類，C++builder愛好者，肯定喜歡！
標(biāo)簽： 3D游戲
上傳時(shí)間： 2013-12-22
上傳用戶：wfeel
Grammatica是一個(gè)C#和Java的語法分析程序生成器(編譯器的編譯器)。它可以用LL(k)語法創(chuàng)建可讀的和帶有注釋的源代碼。它也支持創(chuàng)建一個(gè)運(yùn)行時(shí)語法分析器，帶不生成源代碼。語法產(chǎn)生式用EBNF描述，使用規(guī)則表達(dá)式的符號(hào)
標(biāo)簽： Grammatica Java 編譯器 LL
上傳時(shí)間： 2014-11-12
上傳用戶：569342831
系統(tǒng)聚類算法K-means 屬于聚類分析中一種基本的劃分方法，常采用誤差平方和準(zhǔn)則函數(shù)作為聚類準(zhǔn)則，該算法在處理大數(shù)據(jù)集時(shí)是相對(duì)可伸縮且高效率的，同時(shí)具有潛在的數(shù)據(jù)并行性。但是這種算法依賴于初始值的選擇以及數(shù)據(jù)的輸入順序；此外，當(dāng)運(yùn)用誤差平方和準(zhǔn)則函數(shù)測(cè)度聚類效果時(shí)，如果各簇的形狀和大小差別很大，為使誤差平方和 Jc 值達(dá)到最小有可能出現(xiàn)將大的聚類簇分割的現(xiàn)象。
上傳時(shí)間： 2015-03-25
上傳用戶：zhuoying119
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
