注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 一篇关于编辑树距离论文

  2. 一篇关于编辑树距离的论文，有几个很好的编辑树距离的算法。想要对编辑树距离进行研究的可以看看。

  3. 所属分类：其它

    • 发布日期：2009-11-17
    • 文件大小：522240
    • 提供者：mathbox59

  1. 动态规划—最短编辑问题—（非常详细分析以及代码）

  2. *问题描述：设A 和B 是2 个字符串。要用最少的字符操作将字符串A 转换为字符串B。 * 这里所说的字符操作包括 (1)删除一个字符； (2)插入一个字符； * (3)将一个字符改为另一个字符。将字符串A变换为字符串B 所用的最少 * 字符操作数称为字符串A到B 的编辑距离，记为 d(A,B)。试设计一个有效 * 算法，对任给的2 个字符串A和B，计算出它们的编辑距离d(A,B)。 * 例如： * 输入第一个字符串： * shao * 输入第二个字符串： * shaod * 最短编辑距离 *

  3. 所属分类：C

    • 发布日期：2011-06-07
    • 文件大小：6144
    • 提供者：shaoxin0827

  1. 某PRG游戏的参数编辑器

  2. 摘要:VC/C++源码,游戏编程,PRG,游戏编辑器 　　某PRG游戏的参数编辑器，VC++ PRG游戏编写教程中的一个随书例子，可以对人物名称、攻击力、防御力、魔法、等级、攻击距离等进行参数设置，在一些PRG游戏中，你这样的编辑器是经常在在的。

  3. 所属分类：C++

    • 发布日期：2012-08-23
    • 文件大小：18432
    • 提供者：codeenter

  1. XML文档的相似测度和结构索引研究

  2. 提出了一个可用于定量度量XML文档问差异的方法(称为XED距离)．利用结点问的模拟关系，一个 XML文档可以表示为一棵精简的、带权重的结构索引树．两个XML文档间的相似度可以通过计算它们的索引树 问的编辑距离来测定．利用索引树可以大大提高判定两个XML文档结构相似度的效率．XED距离测度可用于 XML文档的结构搜索、XML文档聚类、XML文档结构抽取、XML文档的变换检测以及XML视图的增量计算

  3. 所属分类：其它

    • 发布日期：2012-09-19
    • 文件大小：288768
    • 提供者：gzh5432467

  1. 实现画图及图元之间的距离计算

  2. 实现动态绘制点 直线 圆弧 矩形，圆，进行编辑操作，实现距离计算

  3. 所属分类：C

    • 发布日期：2012-09-20
    • 文件大小：14680064
    • 提供者：kj77yp

  1. LD算法的python实现

  2. LD算法（Levenshtein Distance）又称编辑距离算法（Edit Distance）。以字符串A通过插入字符、删除字符、替换字符变成另一个字符串B，那么操作的过程的次数表示两个字符串的差异。本资源为此算法的python实现。（python 2.7）

  3. 所属分类：算法与数据结构

    • 发布日期：2017-12-18
    • 文件大小：2048
    • 提供者：ha_hha

  1. 求编辑距离的代码

  2. 求编辑距离的代码 自然语言处理，计算两个词之间的相似度

  3. 所属分类：深度学习

    • 发布日期：2018-01-05
    • 文件大小：3072
    • 提供者：u010986451

  1. 编辑距离算法的总结和分析

  2. 字符串的编辑距离，又称为levenshtein距离，是指利用字符操作，把字符串A转换成字符串B所需要的最少操作数，这里的操作包括删除、插入、修改。

  3. 所属分类：机器学习

    • 发布日期：2018-06-21
    • 文件大小：28672
    • 提供者：weixin_40882712

  1. 动态规划-最小编辑距离 python代码

  2. 如果是A串的第i个字符和B串的第j个字符 1.在A的第i个字符后插入一个字符B[j]，问题转化为计算A[i...lenA]和B[j+1...lenB]的距离 2.删除A串的第i个字符，问题转化为计算A[i+1...lenA]和B[j...lenB]的距离 3.将A的第i个字符替换成B的第j个字符，问题转化为计算A[i+1...lenA]和B[j+1...lenB]的距离。于是替换操作的编辑距离就是d[i-1][j-1]+flag。其中，当A[i]==B[j]时，flag=0， A[i]！=B[

  3. 所属分类：讲义

    • 发布日期：2018-07-28
    • 文件大小：993
    • 提供者：lycoris_ly

  1. 动态规划解决编辑距离问题

  2. 利用动态规划算法解决编辑距离，在度量空间中有编辑距离这一个概念，通常利用动态规划等算法进行解决

  3. 所属分类：C/C++

    • 发布日期：2019-01-26
    • 文件大小：1048576
    • 提供者：weixin_44040205

  1. 两个字符串的相似度算法实现——编辑距离之Levenshtein距离

  2. 两个字符串的相似度算法实现——编辑距离之Levenshtein距离

  3. 所属分类：Java

    • 发布日期：2019-07-18
    • 文件大小：2048
    • 提供者：qq_16220645

  1. 计算字符串相似度（支持中英文，编辑距离算法，余弦，繁体转简体）

  2. 计算字符串相似度（支持中英文，编辑距离算法，余弦，繁体转简体）的简单demo，可以直接运行查看结果

  3. 所属分类：C#

    • 发布日期：2019-08-02
    • 文件大小：54525952
    • 提供者：qq_27462223

  1. cpp-CCython实现的快速编辑距离Levenshteindistance

  2. C /Cython实现的快速编辑距离(Levenshtein distance)

  3. 所属分类：其它

    • 发布日期：2019-08-16
    • 文件大小：31744
    • 提供者：weixin_39841848

  1. 编辑距离问题.zip

  2. 注释详细 实现很完美 用的python 直接pycharm打开就能用

  3. 所属分类：Python

    • 发布日期：2020-07-10
    • 文件大小：6144
    • 提供者：weixin_43569294

  1. 编辑距离

  2. 给你两个单词 word1 和 word2，请你计算出将 word1 转换成 word2 所使用的最少操作数 。 你可以对一个单词进行如下三种操作： 插入一个字符 删除一个字符 替换一个字符 示例 1： 输入：word1 = “horse”, word2 = “ros” 输出：3 解释： horse -> rorse (将 ‘h’ 替换为 ‘r’) rorse -> rose (删除 ‘r’) rose -> ros (删除 ‘e’) 示例 2： 输入：word1 = “inte

  3. 所属分类：其它

    • 发布日期：2021-01-08
    • 文件大小：34816
    • 提供者：weixin_38724333

  1. edlib：轻量级，超快速CC ++（＆Python）库，用于使用编辑（Levenshtein）距离进行序列比对-源码

  2. Edlib· 一个轻量级且超快速的C / C ++库，用于使用进行序列比对。 计算两个字符串的编辑距离很简单： edlibAlign ( " hello " , 5 , " world! " , 6 , edlibDefaultAlignConfig()).editDistance; Edlib也可用于Python ，代码位于 。 cjdoris也了非官方的。 产品特点 计算编辑距离（Levenshtein距离） 。 它可以找到最佳的比对路径（有关如何将第一个序列转换为第二个序列的

  3. 所属分类：其它

    • 发布日期：2021-02-02
    • 文件大小：4194304
    • 提供者：weixin_42165973

  1. python-string-similarity：使用Python实现不同的字符串相似度和距离度量的库-源码

  2. python字符串相似度 tdebatty likeity的Python3.x实现 一个实现不同字符串相似度和距离度量的库。 当前实现了十二种算法（包括Levenshtein编辑距离和同级，Jaro-Winkler，最长公共子序列，余弦相似性等）。 查看下面的摘要表以获取完整列表... 下载 从pypi： # pip install strsim # deprecated, do not use this! pip install -U strsimpy 总览 下面介绍了每种已实现算法的主

  3. 所属分类：其它

    • 发布日期：2021-01-30
    • 文件大小：49152
    • 提供者：weixin_42097369

  1. 72. 编辑距离

  2. 一般来说，处理两个字符串的动态规划问题，都是建。立一个dp table，方便找出状态转移关系。 给定两个单词 word1 和 word2，计算出将 word1 转换成 word2 所使用的最少操作数 。 你可以对一个单词进行如下三种操作： 插入一个字符 删除一个字符 替换一个字符 示例 1: 输入: word1 = horse, word2 = ros 输出: 3 解释: horse -> rorse (将 'h' 替换为 'r') rorse -> rose (删除 'r') ro

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：48128
    • 提供者：weixin_38689551

  1. edit-distance-linear-bench:编辑距离线性算法的不同实现和基准-源码

  2. 编辑距离线性工作台 这是库的基准。 另请参阅以获取详细信息。 该项目使用stack 。 因此，要构建： stack build 要运行标准基准： stack bench 或者，要生成精美HTML报告： stack bench --benchmark-arguments ' --output=report.html ' 对给定实现进行基准测试的另一种（非常草率但快速）的方法是在某些测试数据上运行一次或两次，并通过以下方式转储RTS执行统计信息： stack exec -- edit

  3. 所属分类：其它

    • 发布日期：2021-03-31
    • 文件大小：18432
    • 提供者：weixin_42181545

  1. edit-distance-web:给定两个字符串，该算法将计算编辑距离-动态编程-源码

  2. edit-distance-web:给定两个字符串，该算法将计算编辑距离-动态编程

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：4096
    • 提供者：weixin_42122881
« 1 2 3 4 5 67 8 9 10 11 ... 28 »