这篇文档对于分水岭算法进行了详细的剖析，内附有代码和代码解释，希望对大家有帮助

随机森林的代码实现，包括分类和预测，分类文件夹RF_Class_C下包括主文件tutorial_ClassRF.m、运行性能测试文件test_ClassRF_extensively.m等，和预测文件夹RF_Reg_C下包括主文件tutorial_RegRF.m、运行性能测试文件test_RegRF_extensively.m。

A星算法的代码，A*算法，输入地图数组通过算法计算，输出了最短线路列表。代码实现算法。个人习惯使用QT5，在QT5上写的代码，可以直接编译

7种分形算法源代码，包括杨辉三角形、梅花曲线、雪花、圆环、旋转螺线、叶子、随机圆环、树。代码由冰火天空原创。通过这个程序你将会了解到窗体透明度控制、截取屏幕的API、全局函数定义等常用知识。

内存分配最佳适应算法源代码，不会太繁杂的源代码，编译已通过，可以运行得到结果，希望可以帮助到你们。

matlab中存档算法代码数字识别mnist 项目：基于LeNet模型和MATLAB平台的MNIST的数字手写识别。 该项目在MATLAB平台上基于LeNet模型实现了手写数字的识别。 LeNet模型的结构为“卷积层1 +池化层1 +卷积层2 +池化层2 +全连接层+ softmax输出层”，网络结构完整，取得了理想的识别结果。 职位要求：MATLAB 用法：第1步：运行tobmp.m脚本为该项目生成适当的数据集； 第2步：运行train.m来训练该模型。 调整一些参数非常重要，例如初始权重，卷积核的偏差。 步骤3：使用LeNet_test.m进行测试。 结果：上传文件中包含少量图像，您可以获得以下识别结果。 74.44％如果要使用MNIST的所有数据进行实验，只需使用tobmp.m脚本即可获取所有数据集，我相信结果会更好。 注意：该项目旨在使用MATLAB构建CNN模型，正向和反向算法已存储在此代码中，结果表明，如果您想获得非常好的CNN识别率，它对CNN初学者是有效的。 MNIST，请使用tensorflow或keras。

K-Means算法是一种基于距离的聚类算法，采用迭代的方法，计算出K个聚类中心，把若干个点聚成K类。 MLlib实现K-Means算法的原理是，运行多个K-Means算法，每个称为run，返回最好的那个聚类的类簇中心。初始的类簇中心，可以是随机的，也可以是KMean||得来的，迭代达到一定的次数，或者所有run都收敛时，算法就结束。 用Spark实现K-Means算法，首先修改pom文件，引入机器学习MLlib包： org.apache.spark spark-mllib_2.10</

粒 不 子群\粒子群算法论文粒

里面包含详细的加密过程，压缩感知加密技术。matlab编写

无线传感器网络定位算法研究Matlab仿真三边、极大、质心、DV