演算法步驟：
1.任意找一頂點加入樹中。
2.尋找所有與樹相鄰的元素，並取其邊權重最小的並且不在樹中的元素入樹。
3.繼續第二步，直到所有元素都入樹。
效果和kruskal演算法是類似的。
]; %已經被標記的元素
k=1; %已經標記的元素個數
a=; %最後產生的最小生成樹
while length(q)~=m
e=;for i=1
:k
for j=1
:n
if g(q(i),j)~=0 &&~biaoji(j,q) %不在數中的元素
e=[e;g(q(i),j) q(i) j];
endend
end[junk index]=min(e(:,1
)); %求與當前標記的所有元素相鄰的權重最小的邊的索引
a=[a;e(index,:)]; %最小生成樹的三元組表示
q=[q e(index,3
)]; k=k+1
; end
biaoji.m
function re=biaoji(j,biao) %判斷j點是否已被標記l=length(biao);
for i=1
:l
if j==biao(i)
re=1
; return;
endend
re=0
; return;
end
matlab練習程式（KNN，K最鄰近分類法）
matlab練習程式 knn，k最鄰近分類法 k最鄰近密度估計技術是一種分類方法，不是聚類方法。不是最優方法，實踐中比較流行。通俗但不一定易懂的規則是 1.計算待分類資料和不同類中每乙個資料的距離 歐氏或馬氏 2.選出最小的前k資料個距離，這裡用到選擇排序法。3.對比這前k個距離，找出k個資料中包含...
matlab練習程式（DBSCAN）
和kmeans相比，不需要事先知道資料的類數。以程式設計的角度來考慮，具體演算法流程如下 1.首先選擇乙個待處理資料。2.尋找和待處理資料距離在設定半徑內的資料。3.將找到的半徑內的資料放到乙個佇列中。4.拿佇列頭資料作為當前待處理資料並不斷執行第2步。5.直到遍歷完佇列中所有資料，將這些資料記為一...
matlab練習程式（c c 呼叫matlab）
就我目前了解的c 呼叫matlab有兩種方法。第一種是通過matlab引擎呼叫，也就是這裡用到的方法。第二種是用matlab將m檔案編譯為相應的h lib dll檔案再加以呼叫。使用engine所用到的h和lib檔案基本在d program files matlab r2010b extern裡面，...