隔壁小徐不姓王

将给定数据进行降维后，利用K-means进行聚类

一本很好的数据挖掘入门教材，很多经典的算法思想

DBSCAN(Density-Based Spatial Clustering of Applications with Noise)是一个比较有代表性的基于密度的聚类算法。与划分和层次聚类方法不同，它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类。

问题描述与实验目的： 给定n个字母（或字）在文档中出现的频率序列X=<x1,x2,…,xn>，求出这n个字母的Huffman编码。为方便起见，以下将频率用字母出现的次数（或称权值）w1,w2,…,wn代替。 输入 输入文件中的开始行上有一个整数T，（0<T<=20），表示有T组测试数据。 接下来是T行测试数据的描述，每组测试数据有2行。测试数据的第1行上是一个正整数n，（n<50），表示序列的长度。第2行是n个字母出现的权值序列w1,w2,…,wn，它们均为正整数，相邻的两个整数之间用空格隔开。 输入直到文件结束。 输出 对输入中的每组有n个权值的数据，应输出n+1行：先在一行上输出“Case #”，其中“#”是测试数据的组号（从1开始）；接下来输出n行，其第1行到第n行上依次输出第i个字母出现的次数和相应的Huffman编码，格式如下： wi Huffman编码。 每组测试数据对应的输出最后结束时加一个空行，以便区分。 为保证Huffman编码的唯一性，在构造Huffman树的过程中，我们约定： 1．左儿子标记为0，右儿子标记为1； 2．左儿子的权值>=右儿子的权值； 3．相同权值w的两个字母x、y，先输入权值的字母x的Huffman编码长度不超过后输入权值的字母y的Huffman编码长度。 4．合并两个节点后新的权值应从右到左搜索、插入到相应的位置。

问题描述与实验目的： 在n个银币中有一个是不合格的，不合格的银币比合格银币要轻。 现用天平秤银币，找出不合格的银币，且在最坏情况下秤银币的次数最少。 输入 输入有若干行。每行上有一个整数n，表示银币个数，n<100000。 当n=0，表示输入结束。 输出 对输入大于0的整数n，输出2行。第1行输出n的值，第2行上先输出“Times:”，接着输出在最坏情况下秤n个银币的最少次数。 当n=0时，这种情况你不必处理和结果输出。

输入 输入文件中的第1行是一个正整数T，（0<T<=10），表示有T组测试数据。接下来是每组测试数据的描述，每组测试数据有3行。 测试数据的第1行有2个正整数m、n，中间用一个空格隔开，（0<m，n<50）；第2、3行是长度分别为m、n的2个序列X和Y，每个序列的元素间用一个空格隔开。序列中每个元素由字母、数字等构成。 输入直到文件结束。 输出 对输入中的每组测试数据，输出2行。先在一行上输出“Case #”，其中“#”是测试数据的组号（从1开始），再在第2行上输出这2个序列X、Y的最长公共子序列Z的长度及子序列Z（至少一个）。

给定n个矩阵A1，A2，…，An，其中，Ai与Aj+1是可乘的，i=1，2，…，n-l。 你的任务是要确定矩阵连乘的运算次序，使计算这n个矩阵的连乘积A1A2…An时总的元素乘法次数达到最少。