程序+报告+说明 功能： 0 (创建一个工程) 1 (从文本导入一个工程) 2 (用邻接表输出工程及输出工程的关键路径)

java求集合的交集源码蒙德里安 Mondrian 是 Kristen LeFevre 在他的论文中提出的一种用于关系数据集的自顶向下贪婪数据匿名化算法[1]。 据我们所知，蒙德里安是最快的本地记录算法，同时保留了良好的数据效用。 尽管 LeFevre 在他的论文中给出了伪代码，但原始源代码并不可用。 您可以在 Anonymization Toolbox[2] 中找到第三部分 Java 实现。 该存储库是Mondrian 的开源 Python 实现。 动机 数据隐私的研究已经持续了十多年，发表了大量优秀论文。 然而，互联网上只有少数开源项目[2-3]，大多数开源项目使用的是2004年之前提出的算法！ 在现实生活中使用的项目较少。 更糟糕的是，大多数人甚至没有听说过。 这样的悲剧！ 我决定做一些努力。 希望这些开源存储库可以帮助研究人员和开发人员进行数据隐私（隐私保护数据发布、数据匿名化）。 注意力 这个蒙德里安是[1]中最早提出的蒙德里安，它对每个属性强加了一个直观的排序。 因此，分类属性没有泛化层次结构。 这种操作带来了更低的信息损失，但更糟糕的语义结果。 如果您想要基于泛化层次结构

logit 模型matlab代码求系数AcceleratedCVonMLR_matlab 具有弹性网络正则化的多项逻辑回归的近似交叉验证 这是免费软件，您可以根据 GNU 通用公共许可证第 3 版或更高版本的条款重新分发和/或修改它。 有关详细信息，请参阅 LICENSE.txt。 分发此程序是希望它有用，但不作任何保证； 甚至没有对适销性或针对特定目的的适用性的暗示保证。 描述 使用给定特征数据X 的估计权重向量wV和由弹性网络正则化（ L1范数和L2范数）惩罚的多项逻辑回归的类Ycode ，该程序计算并返回近似的留一法估计量（LOOE）及其标准预测似然误差。 所有必需的代码都在“例程”文件夹中。 请注意，该程序本身不包含任何求解器来获得wV 。 为此，请使用其他分布式程序。 用法 对于Np ( >2 ) 类的多项逻辑回归， [LOOE,ERR] = acv_mlr(wV,X,Ycode,Np,lambda2) 输入： wV : N * Np维的估计权重向量 X : M * N维的特征向量集 Ycode ：表示对应特征向量所属类别的M * Np维二进制矩阵 lambda2 ： L2范

该程序通过vs2012编写，可以通过输入欧拉角来求旋转矩阵和输入旋转矩阵反求欧拉角

后端接口只给了省市区的name值，怎么回填？只给id怎么回填。怎么获取选中的省市区的name 和id

复合梯形和复合抛物线以及龙贝格求积分算法的程序设计

fortran求气候场，距平场，均方差场。

这个 zip 有 3 个功能： -polegende 生成legendre polinomyal。 -flege 执行积分变量更改以将任何区间 [a,b] 更改为 [-1,1]，以便可以正确评估积分。 -gausslegende numericy 计算函数 [f] 的积分

可以进行任意维矩阵求逆，求逆的精确能到小数后六位。

C++用Warshall算法求图的可达性矩阵。