[讲义] 吉林大学软件学院计网复习知识点.docx

说明：吉林大学软件学院计算机网络课程的知识点总结，对于试卷简答题的归纳，可以拿去北宋参考，希望能对你有用！
<zsd0819qwq> 上传 | 大小：1mb

[讲义] 计算机网络自顶向下简答整理.pdf

说明：吉林大学软件学院计算机网络自顶向下一书的简答题整理 ，可以在期末的时候拿去背诵，很有参考价值，祝你考好!如果你的积分不足，请私信我发给你！祝好！
<zsd0819qwq> 上传 | 大小：5mb

[讲义] 计算机网络自顶向下简答题整理.docx

说明：吉林大学软件学院计算机网络自顶向下一书的简答题整理 ，可以在期末的时候拿去背诵，很有参考价值，祝你考好!
<zsd0819qwq> 上传 | 大小：567kb

[讲义] 计算机网络整理资料.docx

说明：计算机网络自顶向下技术知识点整理!
<zsd0819qwq> 上传 | 大小：49kb

[讲义] 重复剪辑代码.rar Matlab实现

说明：当不同类别的样本在分布上有交迭部分的，分类的错误率主要来自处于交迭区中的样本，如下图所示。当我们得到一个作为识别用的参考样本集时，由于不同类别交迭区域中不同类别的样本彼此穿插，导致用近邻法分类出错。因此如果能将不同类别交界处的样本以适当方式筛选，可以实现既减少样本数又提高正确识别率的双重目的。为此可以利用现有样本集对其自身进行剪辑。
<weixin_44412076> 上传 | 大小：2kb

[讲义] 重复剪辑实验报告和PPT.rar

说明：当不同类别的样本在分布上有交迭部分的，分类的错误率主要来自处于交迭区中的样本，如下图所示。当我们得到一个作为识别用的参考样本集时，由于不同类别交迭区域中不同类别的样本彼此穿插，导致用近邻法分类出错。因此如果能将不同类别交界处的样本以适当方式筛选，可以实现既减少样本数又提高正确识别率的双重目的。为此可以利用现有样本集对其自身进行剪辑。
<weixin_44412076> 上传 | 大小：628kb

[讲义] Kmeans.docx K均值聚类算法实验报告

说明：1.理解掌握K-means聚类算法的基本原理； 2.学会用python实现K-means算法 K-Means算法是典型的基于距离的聚类算法，其中k代表类簇个数，means代表类簇内数据对象的均值（这种均值是一种对类簇中心的描述），因此，K-Means算法又称为k-均值算法。K-Means算法是一种基于划分的聚类算法，以距离作为数据对象间相似性度量的标准，即数据对象间的距离越小，则它们的相似性越高，则它们越有可能在同一个类簇。数据对象间距离的计算有很多种，k-means算法通常采用欧氏距离来计
<weixin_44412076> 上传 | 大小：858kb

[讲义] Kmeans.py Kmeans的Python实现

说明：K-Means算法是典型的基于距离的聚类算法，其中k代表类簇个数，means代表类簇内数据对象的均值（这种均值是一种对类簇中心的描述），因此，K-Means算法又称为k-均值算法。K-Means算法是一种基于划分的聚类算法，以距离作为数据对象间相似性度量的标准，即数据对象间的距离越小，则它们的相似性越高，则它们越有可能在同一个类簇。数据对象间距离的计算有很多种，k-means算法通常采用欧氏距离来计算数据对象间的距离。该算法认为簇是由距离靠近的对象组成的，因此把得到紧凑且独立的簇作为最终目标。
<weixin_44412076> 上传 | 大小：10kb

[讲义] 计算机组成原理课件.rar

说明：西安交通大学计算机组成原理习题课课件（pdf），期末考试复习资料。
<weixin_43869091> 上传 | 大小：6mb

[讲义] abaqus文件的类型介绍.pdf

说明：abaqus各类文件介绍，abaqus 产生几类文件： 有些是在 ABAQUS 运行是产生， 运行后自动删除； 其它 一些用于分析、重启、后处理、结果转换或其它软件的文件则被保留，文档包含各类文件的介绍和用途
<AspireIng> 上传 | 大小：120kb

[讲义] isodata.rar ISODATA代码实现

说明：理解和掌握ISODATA聚类算法的基本流程。 –K-均值算法通常适合于分类数目已知的聚类，而ISODATA算法则更加灵活； –从算法角度看，ISODATA算法与K-均值算法相似，聚类中心都是通过样本均值的迭代运算来决定的； –ISODATA算法加入了一些试探步骤，并且可以结合成人机交互的结构，使其能利用中间结果所取得的经验更好地进行分类。
<weixin_44412076> 上传 | 大小：22kb

[讲义] ISODATA实验报告.docx

说明：–K-均值算法通常适合于分类数目已知的聚类，而ISODATA算法则更加灵活； –从算法角度看，ISODATA算法与K-均值算法相似，聚类中心都是通过样本均值的迭代运算来决定的； –ISODATA算法加入了一些试探步骤，并且可以结合成人机交互的结构，使其能利用中间结果所取得的经验更好地进行分类。
<weixin_44412076> 上传 | 大小：496kb