算法及其应用(Application Software)These are also end-user programs. Through these programs, users can complete their tasks. Tasks include creation and modification of documents, spreadsheets, databases and
转载
2023-12-17 10:42:29
31阅读
储油问题 一辆重型卡车的油耗是1L/km，载油能力为500L，今欲穿过1000km的沙漠。由于卡车一次过不了沙漠，因此司机必须在沿途设几个储油点。问：如何建立这些储油点，每一个储油点储存多少油才能使卡车以最小油耗通过沙漠？ 实例解析： 本例采用倒推法来解题。所谓倒推法，就是在不知初始值的情况下，通过某种递推关系，由最终值推算出初始值的方法。储油问题和猴子吃桃子问题等都是典型的倒退问题
原创
2013-04-05 12:09:14
888阅读
多项式的表示和计算 设计一种用单链表存储多项式的结构，每个结点存储一项的系数和指数（类型都是int），并编写一个产生多项式链表的函数和一个实现两个多项式相加的函数。 实例解析： 用单链表存储每一项的数据，则链表结点的结构应含有三个成员：系数、指数和后继的指针。定义结构如下：struct Node
{
int coef;
int power;
struct
原创
2013-04-05 12:11:24
780阅读
八皇后问题 求八皇后问题所有的解。 实例解析： 这是一个非常古老的问题：如何在一个8*8的棋盘上无冲突地放置8个皇后棋子，称为八皇后问题。 在国际象棋中，皇后可以沿着任何直线和任何45°斜线移动吃掉别的棋子，因此，任何一个皇后所在的横线上、竖线上和两条对角线上都不能有其他皇后存在。一个完整的、无冲突的八皇后分布称为八皇后问题的一个解。本例求解八皇后的所有解。 很
原创
2013-04-05 12:15:05
615阅读
# 理解和实现算法应用架构
在现代软件开发中，实现算法应用架构是一个非常重要的任务，尤其在数据处理和机器学习领域。本文将带你逐步理解如何实现一个简单的算法应用架构，并通过代码示例及图示来帮助你更好地理解每一步。
## 整体流程
下面是实现算法应用架构的步骤流程：
| 步骤 | 描述 |
|---------
? Index决策树算法分类算法聚类算法集成算法(AdaBoost算法)人工神经网络算法排序算法关联规则算法(Apriori算法)01 决策树算法决策树优点 1、决策树易于理解和解释，可以可视化分析，容易提取出规则。
2、可以同时处理标称型和数值型数据。
3、测试数据集时，运行速度比较快。
4、决策树可以很好的扩展到大型数据库中，同时它的大小独立于数据库大小。
决策树缺
希望你已经读了这篇题解 Union-Find 算法详解上篇文章很多读者对于 Union-Find 算法的应用表示很感兴趣，这篇文章就拿几道 LeetCode 题目来讲讲这个算法的巧妙用法。首先，复习一下，Union-Find 算法解决的是图的动态连通性问题，这个算法本身不难，能不能应用出来主要是看你抽象问题的能力，是否能够把原始问题抽象成一个有关图论的问题。先复习一下上篇文章写的算法代码，回答读者
原创
2020-12-23 15:23:33
223阅读
素数public static void main(String[] args) { Scanner s=new Scanner(System.in); System.out.println("请输入你要判断的数！"); int x=s.nextInt(); int i=2,flage=0; while(flage==0&&i<x){ //对除数进行遍历 if(x%i==0){ //判断是否被整除 flage=1; } else{ i++; } } if(flage==0){ //...
转载
2012-05-09 21:43:00
41阅读
2评论
一、CORDIC 简介 CORDIC是Coordinate Rotation Digital Computer的简称，即坐标旋转数字运算，主要用于解决导航系统中三角函数、反三角函数和开放运算的实时运算问题，CORDIC算法提供了一种数字计算的逼近方法，最终将运算分解为一系列的加减和移位操作，故非常适合硬件实现。CORDIC算法有旋转和向量两个模式，分别可以在圆坐标系、线性坐
匈牙利算法应用于二分图（即可以分为两大部分，且个部分内不连接的图）匹配的问题，它的时间复杂度为O（nm）。它的基本原理是增广路。它的用途主要有三：1、单纯二分图匹配；2、最小点覆盖；3、最大独立集。下面，我将一一介绍。一、单纯二分图匹配例题1：有n只公牛和m只母牛，然后每只公牛都可以和几只的母牛配对。在每只公牛只能配对一只母牛的情况下，求能为牛们配对最多多少对？思路：公牛是二分图的一个集合，母牛也
转载
2024-01-02 22:08:38
65阅读
RETE算法介绍一、 rete概述Rete算法是一种前向规则快速匹配算法，其匹配速度与规则数目无关。Rete是拉丁文，对应英文是net，也就是网络。Rete算法通过形成一个rete网络进行模式匹配，利用基于规则的系统的两个特征，即时间冗余性（Temporal redundancy）和结构相似性（structural similarity），提高系统模式匹配效率。二、 相关概念2.1 事
转载
2024-01-03 22:43:56
225阅读
HST-LSTM: A Hierarchical Spatial-Temporal Long-Short Term Memory Network for Location PredictionDejiang Kong and Fei WuZhejiang Universityhttps://www.ijcai.org/Proceedings/2018/0324.pdf定位技术有助于挖掘人物运动情况
转载
2023-10-31 14:49:26
109阅读
一、前言通过之前的文章GBDT算法我们可以了解到GBDT是一种迭代的决策树算法，由多棵决策树组成，所有树的结论累加起来做最终答案。GBDT是一个应用很广泛的算法，可以用于分类，回归和特征选择，特别是用于和其他算法进行模型组成时，如logistic+GBDT,该算法在很多数据上都有不错的效果，GBDT还有其他的名字，如MART，GBRT和Tree Net等。二、基础知识2.1 决策树(DT)决策树这
转载
2024-04-03 15:11:53
83阅读
仿生算法仿生算法是什么？ 什么是仿生？ 蜜蜂会造房子，人类就学习蜜蜂盖房子的方法，之后便有了航空建造工程的蜂窝结构。仿生是模仿生物系统的功能和行为，来建造技术系统的一种科学方法。生活仿生作品现代的飞机（减少阻力的外部形体）、模仿蜘蛛的爬山越野汽车、雷达系统的电子娃眼、航海的声呐系统、人工肾及人工心脏等，都是仿生的结晶。是人类模仿生物的功能与行为进而总结出来用于解决问题的方法。通常通过模拟自然生物进
转载
2023-12-10 11:48:45
342阅读
作者：王多鱼 作者介绍知乎@王多鱼京东的一名推荐算法攻城狮。主要负责商品推荐的召回和排序模型的优化工作。一、GBDT算法原理Gradient Boosting Decision Tree（GBDT）是梯度提升决策树。GBDT模型所输出的结果是由其包含的若干棵决策树累加而成，每一棵决策树都是对之前决策树组合预测残差的拟合，是对之前模型结果的一种“修正”。梯度提升树既可以用于回归问题（此时被
转载
2023-11-24 12:58:58
61阅读
EM算法——期望极大值算法1. EM算法的简介及案例介绍2. EM算法的推导3. EM算法3.1 算法步骤：3.2 EM算法的收敛性4. EM算法应用——求解高斯混合模型(GMM)的参数4.1 高斯混合模型(Gaussian mixture model,GMM)4.2 EM算法估计高斯混合模型的参数5.EM算法的推广——广义期望极大算法(GEM) 本文内容主体是基于李航老师的《统计学习方法
转载
2024-08-12 20:28:10
51阅读
GBDT(Gradient Boosting Decision Tree)在数据分析和预测中的效果很好。它是一种基于决策树的集成算法。其中Gradient Boosting 是集成方法boosting中的一种算法，通过梯度下降来对新的学习器进行迭代。而GBDT中采用的就是CART决策树。BoostingBoosting指把多个弱学习器相加，产生一个新的强学习器。经典的例子有：adaboost, G
转载
2024-08-26 19:35:40
62阅读
首先，我们正式描述算法应用通常分为表述问题和解决过程两个阶段， 表述问题即需要运用数据挖掘能够理解和处理的语言来阐述业务问题， 最重要的是能够用正确且符合实际的方式把业务问题转化成数据挖掘问题， 这往往决定了后续工作是否能有效的展开， 尝试解决一个不符合实际的业务问题往往会使得数据挖掘的工作陷入数据的海洋中， 既费时费力又得不到想要的结果； 而解决过程， 顾名思义就是将表述清楚的问题通过
转载
2024-01-16 18:19:59
4阅读
序这个和我的硕士毕业论文的题目就有一定关系，我的导师让我按时向她汇报学习进度。然而我还在进行实习，还要准备自己明年的秋招，只能想办法游走于三者之间。EM算法是一个常用的数据挖掘算法，想必从事数据挖掘的相关工作的同学一定比较熟悉，至少是有所耳闻。1 EM算法的概念和介绍1.1 一些基本概念EM算法（Expectation-Maximization Algorithm）是一种通过不断迭代进而使模型的参
转载
2024-05-21 11:40:05
101阅读
EM算法的适用场景：EM算法用于估计含有隐变量的概率模型参数的极大似然估计，或者极大后验概率估计。当概率模型既含有观测值，又含有隐变量或潜在变量时，就可以使用EM算法来求解概率模型的参数。当概率模型只含有观测值时，直接使用极大似然估计法，或者贝叶斯估计法估计模型参数就可以了。EM算法的入门简单例子：已知有三枚硬币A，B，C，假设抛掷A，B，C出现正面的概率分别为π ，p ，q&
转载
2024-03-16 10:22:04
118阅读
