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. 人体识别正样本64X128

  2. 对于人体识别来说是非常好的一组训练图片，图片大小时64X128的，总共900多张。

  3. 所属分类：其它

    • 发布日期：2009-07-15
    • 文件大小：9mb
    • 提供者：victory1024

  1. 汉江安康站最大和最小径流量的数学模型

  2. 河流的径流量是一个非平稳的时间序列。由于径流量的变化受主要受气候的影响，而影响气候的因素又是复杂多样的，对于这样一个复杂的系统，常规的思路如回归分析往往误差较大。 基于时间序列的角度出发，我们分别建立了Holt双指数平滑模型和自回归平滑模型ARMA(p,q)。在ARMA(p,q)模型中，我们采用动态参量法在Matlab中得到拟合效果最佳的p和q的值分别为4和3。并通过估计参数得到了预测方程，从1991到1997年的汉江安康站最大、最小径流量实际值和预测值来看，预测的误差较小，同时用该方程得到1

  3. 所属分类：网络基础

    • 发布日期：2009-08-03
    • 文件大小：1mb
    • 提供者：yuchaobo

  1. 大样本感知器仿真模型

  2. matlab代码，游戏数据分析 matlab代码 感知器 MMOG样本分析 仿真模型

  3. 所属分类：嵌入式

    • 发布日期：2010-01-27
    • 文件大小：73kb
    • 提供者：LYX2002PY

  1. 基于最大散度差鉴别准则的自适应分类算法

  2. 首先证明了，当类内散布矩阵非奇异时，特定参数值c0下最大散度差的最优鉴别方向等同于Fisher最优鉴别方向;其次，给出了最大散度差分类算法的识别率随参数C变化的曲线.该曲线通常为一脉冲曲线.随着参数C的增大，识别率也逐渐增大.当参数C增大到co时，识别率达到最大值.另外，以往的研究成果表明:当类内散布矩阵奇异时，最大散度差鉴别准则逐步逼近大间距线性投影准则.而且，随粉参数C的不断增大，最大散度差分类算法的识别率也单调增大并最终稳定到大间距线性投影分类算法的识别率上.为此，我们提出了基于最大散度

  3. 所属分类：其它

  1. 大数据量下的Apriori改进算法及在weka平台的实现

  2. 对于数据库中数据量较大的情况，Apriori算法在搜索频繁项集和挖掘强关联规 则的过程中，会导致算法扫描数据库和挖掘频繁项集过程中系统IO压力过大，算法性能较低等不足。文章提出了一种改进的快速Apriori算法，通过一次全局扫描来验证从样本中发现的模式，来压缩迭代次数。如果一个k-项集的(k-1)-子集不在Lk-1中，则该候选不可能是频繁的。

  3. 所属分类：其它

    • 发布日期：2012-10-09
    • 文件大小：2mb
    • 提供者：tjxy_20081

  1. Q系列PLC样本

  2. Q系列PLC是三菱公司从原A系列PLC基础上发展过来的中、大型PLC系列产品，Q系列PLC采用了模块化的结构形式，系列产品的组成与规模灵活可变，最大输入输出点数达到4096点；最大程序存储器容量可达252K步，采用扩展存储器后可以达到32M；基本指令的处理速度可以达到34ns；其性能水平居世界领先地位，可以适合各种中等复杂机械、自动生产线的控制场合。

  3. 所属分类：制造

    • 发布日期：2012-10-18
    • 文件大小：27mb
    • 提供者：shg96998

  1. 阿里研究中心：大数据时代

  2. 大数据赋予我们洞察未来的能力 o 马云成功预测2008 年经济危机 o “2008 年初,*平台上整个买家询盘数急剧下滑,欧美对中国采购在下 滑。海关是卖了货,出去以后再获得数据;而我们提前半年时间从询盘上推断 大数据带来的机遇 出世界贸易发生变化了。” o 通常而言, 买家在采购商品前,会比较多家供应商的产品,反映到*网站 统计数据中,就是查询点击的数量和购买点击的数量会保持一个相对的数值, 综合各个维度的数据可建立用户行为模型。因为数据样本巨大,保证用户行为 模型的准确性。因此

  3. 所属分类：其它

    • 发布日期：2012-11-22
    • 文件大小：1mb
    • 提供者：fuzhouqq

  1. 车牌识别数字样本

  2. 车牌识别所需数字样本集，包含数字0-9的10个文件夹，大小为15*25（个别图片没有归一化处理）。对要做车牌识别项目的帮助会很大。

  3. 所属分类：其它

    • 发布日期：2013-07-10
    • 文件大小：2mb
    • 提供者：u011360670

  1. 车牌识别字符样本集

  2. 车牌识别所需字符样本集，包含数字A-Z的24个文件夹，大小为15*25（个别图片没有归一化处理）。对要做车牌识别项目的帮助会很大。

  3. 所属分类：其它

    • 发布日期：2013-07-10
    • 文件大小：3mb
    • 提供者：u011360670

  1. 大金D系列样本

  2. 大金D系列样本,自觉用于学习及参考，禁止商业用途

  3. 所属分类：制造

    • 发布日期：2015-07-31
    • 文件大小：15mb
    • 提供者：cbq0511

  1. 数据挖掘18大算法实现以及其他相关经典DM算法

  2. 数据挖掘算法 算法目录 18大DM算法 包名 目录名 算法名 AssociationAnalysis DataMining_Apriori Apriori-关联规则挖掘算法 AssociationAnalysis DataMining_FPTree FPTree-频繁模式树算法 BaggingAndBoosting DataMining_AdaBoost AdaBoost-装袋提升算法 Classification DataMining_CART CART-分类回归树算法 Classifica

  3. 所属分类：专业指导

    • 发布日期：2016-01-05
    • 文件大小：220kb
    • 提供者：huangyueranbbc

  1. *大数据竞赛

  2. AliDMCompetition *大数据竞赛（http://102.alibaba.com/competition/addDiscovery/index.htm ） 数据说明 提供的原始文件有大约4M左右，涉及1千多天猫用户，几千个天猫品牌，总共10万多条的行为记录。 用户4种行为类型(Type)对应代码分别为： 点击：0 购买：1 收藏：2 购物车：3 提交格式 参赛者将预测的用户存入文本文件中，格式如下： user_id \t brand_id , brand_id , brand

  3. 所属分类：专业指导

    • 发布日期：2016-01-05
    • 文件大小：538kb
    • 提供者：huangyueranbbc

  1. 大样本的线性可分支持向量机算法

  2. 大样本的线性可分支持向量机算法，乔于，易正俊，支持向量机（Support Vector Machine，SVM）适合于解决高维小样本的分类问题。但在大数据背景下，支持向量机对于海量样本的学习算法收敛�

  3. 所属分类：其它

    • 发布日期：2020-03-12
    • 文件大小：440kb
    • 提供者：weixin_38713996

  1. 基于大样本的随机森林恶意代码检测与分类算法

  2. 随着互联网的快速发展，计算机安全问题已经提高到国家安全的战略角度。但是在互联网上传播的恶意代码数量、种类等都在增加。针对恶意代码数量庞大、传统特征检测覆盖面不够广、准确度不高的问题，提出了在大样本下基于随机森林的恶意代码检测算法。大样本下，将PE文件结构特征和敏感API作为输入特征，采用随机森林算法对恶意代码进行检测。实验结果表明，大样本下，随机森林算法是一种优秀的用于恶意代码检测的算法,即使在恶意代码样本量庞大的情况下，仍然具有良好的分类效果，其在现实应用中具有重要的价值。

  3. 所属分类：其它

    • 发布日期：2020-10-15
    • 文件大小：257kb
    • 提供者：weixin_38614112

  1. K-Means欠采样处理不平衡样本python实现

  2. K-Means欠采样python实现 1. K-Means欠采样原理 为解决分类问题中效果受样本集类间不平衡，并提高训练样本的多样性，可以使用K-Means欠采样对样本进行平衡处理。该方法利用K-means方法对大类样本聚类，形成与小类样本个数相同的簇类数，从每个簇中随机抽取单个样本与风险样本形成平衡样本集。K-means欠采样过程如下： Step1：随机初始化k个聚类中心，分别为uj(1,2,…,k)； Step2：对于大样本xi(1,2,…,n)，计算样本到每个聚类中心uj的距离，将xi划分

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：40kb
    • 提供者：weixin_38641896

  1. K-Means欠采样处理不平衡样本python实现

  2. K-Means欠采样python实现 1. K-Means欠采样原理 为解决分类问题中效果受样本集类间不平衡，并提高训练样本的多样性，可以使用K-Means欠采样对样本进行平衡处理。该方法利用K-means方法对大类样本聚类，形成与小类样本个数相同的簇类数，从每个簇中随机抽取单个样本与风险样本形成平衡样本集。K-means欠采样过程如下： Step1：随机初始化k个聚类中心，分别为uj(1,2,…,k)； Step2：对于大样本xi(1,2,…,n)，计算样本到每个聚类中心uj的距离，将xi划分

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：40kb
    • 提供者：weixin_38702945

  1. 面向大样本数据的核化极速神经网络

  2. 面向大样本数据的核化极速神经网络

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：507kb
    • 提供者：weixin_38675969

  1. 基于大样本土壤光谱数据库的氮含量反演

  2. 充分挖掘大样本土壤光谱库中有效信息，建立普适性强的土壤全氮(TN)含量反演模型，是高光谱分析的重要应用方向之一。研究采用偏最小二乘回归(PLSR)全局建模、局部加权回归(LWR)和模糊K均值聚类结合PLSR(FKMC-PLSR)局部建模三种方法，分别建立了来自中国西藏、新疆、黑龙江、海南等13个省采集的17种土类1661个土壤样本TN值的高光谱反演模型，并对浙江省104个水稻土样本进行模型验证。结果表明，在大样本下PLSR全局模型对高TN值待预测样本存在低估现象，导致整体预测精度偏低； LWR和

  3. 所属分类：其它

  1. 基于大数据分析的互联网业务用户体验管理

  2. 传统的用户体验研究方法以定性研究为主，缺乏大样本的代表性及准确的数据结果，同时用户体验研究对具体的用户详细行为的数据粒度和全方位行为信息数据的要求，在传统的数据分析技术条件下无法满足。 大数据技术的发展提供了一种途径，可以在更短的时间内，对更丰富的数据资源进行更快速的整合，更加满足这一要求，并可以在大样本下进行用户体验研究工作，弥补定性分析的短板。大数据本身所蕴含的数据资源也可用于提升用户体验，为用户的个性化管理提供更能全方位刻画用户特征的数据条件。 本文就大数据分析在产品、业务、用户3个层面对

  3. 所属分类：其它

    • 发布日期：2021-01-19
    • 文件大小：650kb
    • 提供者：weixin_38556668

  1. 大样本渐近理论（英文）(同英文WHITNEY).pdf

  2. 大样本渐近理论（英文）(同英文WHITNEY).pdf

  3. 所属分类：讲义

    • 发布日期：2021-03-31
    • 文件大小：6mb
    • 提供者：eeeaglesss
« 12 3 4 5 6 7 8 9 10 ... 50 »