聚类的样本是用度量指标的一个向量表示或 更正式的说法是用多维空间的一个点来表示。 同类中的样本比属于不同类的样本彼此具有 更高的相似性。聚类方法尤其适合用来探讨 样本间的相互关联关系从而对一个样本结构 做一个初步的评价。人们能够对一维、二维 或三维的样本进行聚类分析,但是大多数现 实问题涉及到更高维的聚类

通常,在分析估计回归直线的性能和自变量对 最终回归的影响时,用方差分析方法 方差分析是一种主要用于线性回归模型中β 值非零的情况下的识别方法。假设用最小二乘 法已求出参数β的值,那么观察到的输出值和 拟合值的差异是残差

一、分析解决分类问题的基于逻辑的方法的特性 二、描述决策树和决策规则在最终分类模型中的表述之间的区别 三、介绍C4.5算法. 四、了解采用修剪方法降低决策树和决策规则的复杂度

子串的定位操作又称为模式匹配(Pattern Matching) 或串匹配(String Matching),其中子串T被称为模 式串。 此操作的应用在非常广泛。例如在文本编辑程序 中,我们经常要查找某一特定单词在文本中出现的 位置。显然,解此问题的有效算法能极大地提高文 本编辑程序的响应性能

第2章线性表 本章主要介绍下列内容 一、线性表的定义和基本操作 二、线性表的顺序存储结构 三、线性表的链式存储结构 四、线性表的应用举例

一、概述 二、插入排序 （直接插入、折半插入、表插入排序、希尔排序） 三、交换排序 （起泡排序、快速排序） 四、选择排序 （简单选择排序、树形选择排序、堆排序）

第7章 树形结构 7.1 树的基本概念 7.2 二叉树概念和性质 7.3 二叉树存储结构 7.4 二叉树的遍历 7.5 二叉树的基本运算及其实现 7.6 二叉树的构造 7.7 线索二叉树 7.8 哈夫曼树

直觉思维：以天资和悟性在整体上对诸多现象直觉领悟而获得智慧 ， 以公理宣告，受人推崇。产生人文学。如孔子、耶酥、诸葛亮等。 类比思维：以事物之间存在的普遍联系而联想、比较、推理，从 而达到举一反三、触类旁通。易形成技术。如前人的鲁班大师。 形象思维：从感性上形象地反映客体的具体形状和姿态，通过意想 、 联想和想象揭示对象的本质及规律

6.1 树的定义和基本术语 6.2 二叉树 6.2.1 二叉树的定义 6.2.2 二叉树的性质 6.2.3 二叉树的存储结构 6.3 遍历二叉树与线索二叉树 6.3.1 遍历二叉树 6.3.2 线索二叉树 6.4 树和森林 6.4.1 树的存储结构 6.4.2 森林与二叉树的转换 6.4.3 树和森林的遍历 6.6 赫夫曼树及其应用 6.6.1 最优二叉树（赫夫曼树） 6.6.2 赫夫曼编码

Huffman树的构造 构造 Huffman树步骤: 根据给定的n个权值{w1,w2,…wn},构造n棵只有 根结点的二叉树。 在森林中选取两棵根结点权值最小的树作左右子 树,构造一棵新的二叉树,置新二叉树根结点权 值为其左右子树根结点权值之和