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. 基于贝叶斯方法的决策树分类算法

  2. 针对数据挖掘的特点和本质,充分利用贝叶斯方法和决策树分类的优点,将贝叶斯的先 验信息方法与决策树分类的信息增益方法相结合,提出了一种新的数据挖掘分类算法(BD1. 0 算 法) ,并对此算法进行了设计和分析。实验分析表明,该算法可以处理不一致或者不完整数据等“脏 数据”,比单纯使用贝叶斯方法或决策树方法具有更高的准确率,而且与C4. 5算法具有近似的时间 复杂度。

  3. 所属分类：其它

    • 发布日期：2009-05-12
    • 文件大小：216kb
    • 提供者：dujianlin86

  1. 电信网告警数据库中的数据挖掘

  2. 摘要:在电信网中每天都会产生大量的告警数据，在这些数据中隐藏和E}多有价值的信息。这些信息可用来过滤多余的告警，可用来在网络中进行故障定位，还可用来预测严重的错误.分析了告警数据库中数据的特点，描述了在其中进行数据挖掘的表述方法以及进行挖掘的算法. 关键词:数据挖掘;告警数据库;关联规则

  3. 所属分类：网络基础

    • 发布日期：2009-05-15
    • 文件大小：163kb
    • 提供者：hellowenwen

  1. 数据挖掘——概念、模型、方法和算法.pdf

  2. 本书全面讲述了数据挖掘的概念、模型、方法和算法。本书共包括13章和2个附录，全面、详细地讲述了从数据挖掘的基本概念到数据挖掘的整个过程，以及数据挖掘工具及其典型应用领域。本书编写严谨、内容权威、结构合理、科学规范、语言流畅，特别适合作为高等院校数据挖掘课程的教科书，还适合作为数据挖掘研究人员必备的参考书。 目 录 第1章 数据挖掘的概念 1 1.1 概述 1 1.2 数据挖掘的起源 3 1.3 数据挖掘过程 5 1.3.1 陈述问题和阐明假设 5 1.3.2 数据收集 6 1.3.3 数据预处

  3. 所属分类：其它

    • 发布日期：2009-05-27
    • 文件大小：8mb
    • 提供者：linkui26

  1. 数据挖掘方法和数据挖掘模型

  2. 有关数据挖掘的模型介绍及软件使用的说明。spss，聚类，分类，遗传算法，支持向量机

  3. 所属分类：其它

    • 发布日期：2009-09-01
    • 文件大小：4mb
    • 提供者：hongwucn

  1. 犯罪令析决策树的构造方法

  2. 【摘要】本文简要介绍了数据挖极技术在犯罪分析上的应用和用算法构造决 策树的方法, 并结合一个涉嫌犯罪人员样本数据, 采用决策树分析方法进行了分类, 给出 了一个较为成功的挖掘思路和模式。

  3. 所属分类：其它

    • 发布日期：2010-02-24
    • 文件大小：367kb
    • 提供者：wsdsgfuqiang

  1. SAS数据挖掘白皮书

  2. 早期的计算机主要就是用来进行数据处理或称数值计算的。后来随着计算机技术及其周边设备和通讯能力的发展，计算机更多地用于了大量繁杂事务的在线处理，生产设备的实时控制等。在此过程中，计算机系统积累了越来越多的数据，数据处理的任务就更加繁重。到今天，即使是发展中的我们中国，在一个企业中有数以几十或上百GB、甚至TB计的生产经营数据已不是什么希奇的事情了。企业的数据和由此而产生的信息是企业的重要财富。它最真实、具体的反映了企业运作的本质状况。但是，面对堆积如“山”的数据，你可能并未看清企业运作的本质规律

  3. 所属分类：其它

    • 发布日期：2010-03-25
    • 文件大小：520kb
    • 提供者：liema2000

  1. 数据挖掘--概念与技术

  2. 目录 第一章 引言 ......................................................................................................................................................... 8 1.1 什么激发数据挖掘？为什么它是重要的？.............................................................

  3. 所属分类：Web开发

    • 发布日期：2010-09-06
    • 文件大小：1mb
    • 提供者：huanghyw

  1. 数据挖掘：概念、模型、方法和算法

  2. 作为一本教科书，本书全面讲述了数据挖掘的概念、模型、方法和算法。本书共包括13章和2个附录，全面、详细地讲述了从数据挖掘的基本概念到数据挖掘的整个过程，以及数据挖掘工具及其典型应用领域。 本收编写严谨、内容权威、结构合理、科学规范、语言流畅，特别适合作为高等院校数据挖掘课程的教科书，还适合作为数据挖掘研究人员必备的参考书。 我们被数据所包围着，这些数据是数值型或其他类型，它们都必须经过分析和处理，转换成通知、指导、回答或辅助决策和理解的信息。由于当今数据集的大小和复杂性的增加，就产生了数据挖掘

  3. 所属分类：其它

    • 发布日期：2010-12-09
    • 文件大小：8mb
    • 提供者：fernberry

  1. 数据挖掘研究与应用综述

  2. 数据挖掘是目前非常流行的一门交叉学科，涉及到很多学科的研究领域。本文简单介绍了什么是数据挖掘，数据挖掘的新技术，分析了常用数据挖掘方法的优缺点。这些方法包括决策树、遗传算法、粗糙集方法、聚类分析方法、人工神经网络和关联规则。最后提出了数据挖掘的发展趋势，并且对数据挖掘技术将来的研究方向也进行了预测。

  3. 所属分类：网络基础

    • 发布日期：2011-01-12
    • 文件大小：59kb
    • 提供者：zhaochuangrsy

  1. 遗传算法在数据挖掘中的应用

  2. 论文介绍一种利用遗传算法的演化计算机编程的方法来自动建立一种动态非线性数学模型进行数据挖掘，并 进行社会经济趋势预测和回归曲线拟舍，改变过去那种只使用拟舍粗糙、预测结果准确度差的传统预测模型进行曲线拟 合和趋势预测的分析方法。在数据实验中，使用遗传算法演化计算机编程的方法自动生成的演化模型对一些真实的历史 资料进行了曲线拟合和发展趋势预测以及对前馈、后馈误差进行了深入分析。结果表明，使用该方法建立的演化模型要 比传统的线性回归、指数回归、抛物线回归三种固定传统数学模型所预测的数据准确度高很多，

  3. 所属分类：其它

    • 发布日期：2011-03-22
    • 文件大小：243kb
    • 提供者：ximalaya1985

  1. 数据挖掘/ 知识发现 算法

  2. 1.1 数据挖掘 / 知识发现 （1）数据挖掘是从存放在数据集中的大量数据挖掘出有趣知识的过程。 （2）数据挖掘，又称为数据库中知识发现（Knowledge Discovery in Databases）或知识发现，它是一个从大量数据中抽取挖掘出未知的、有价值的模式或规律等知识的非平凡过程，它与数据仓库有着密切的联系。 （3）广义的数据挖掘是指知识发现的全过程；狭义的数据挖掘是指统计分析、机器学习等发现数据模式的智能方法，即偏重于模型和算法。 （4）数据库查询系统和专家系统不是数据挖掘！在小规

  3. 所属分类：Web开发

    • 发布日期：2011-04-19
    • 文件大小：453kb
    • 提供者：justin973

  1. 数据挖掘的复习总结（ APRIORI算法 ，OLAP操作）

  2. 数据挖掘提纲 1. 数据挖掘的概念：（商业及学术方面） 2. 数据挖掘的模式 3. OLAP技术，多维数据模型，数据立方体概念，构建星型数据库模型 4. 度量分类与计算 5. K均值分配方法 6. OLAP操作有哪些 7. 数据预处理（最小-最大规范化和小数定标规范化） 8. 知识度与精确度的概念 9. T权值与D权值计算 10. 目标类与对比类（得到一些最终的描述） 11. APRIORI算法（用apriori算法找出频繁项集） 12. 由关联挖掘到相关分析，强关联规则未必有趣，通过例子进行

  3. 所属分类：专业指导

    • 发布日期：2011-06-16
    • 文件大小：1mb
    • 提供者：sl198811

  1. 数据挖掘的分析方法和算法

  2. bi，数据挖掘的分析方法和算法，一个有关数据挖掘的介绍。

  3. 所属分类：IT管理

    • 发布日期：2011-07-26
    • 文件大小：747kb
    • 提供者：hubeiliubin

  1. 基于关联挖掘的构件检索方法研究及原型系统实现

  2. 软件复用为避免软件开发过程中的重复劳动提供了解决方案，可以提高软件开发的效率和软件的质量，而软件构件技术是实现软件复用的关键技术。构件复用过程中，用户常因对构件描述机制认识有限而难以提出准确的检索需求，从而影响查准率。本文针对基于刻面描述的软件构件，借鉴数据挖掘中关联规则挖掘的有关理论，提出了带有用户反馈的自适应构件检索系统以及基于关联挖掘的自适应学习算法，从用户检索的历史记录中挖掘用户的显示检索条件和隐性检索需求之间的内在联系，从而完整化和精确化用户的检索条件，提高构件检索的查准率。 本系统

  3. 所属分类：Java

    • 发布日期：2012-02-09
    • 文件大小：923kb
    • 提供者：jackzhou2008

  1. 数据挖掘概论

  2. 数据挖掘，就是从大量的、不完全的、有噪声的、模糊的、随机的数据库中，提取隐含在其中的、人们事先不知道的、但又是潜在的信息和知识的过程。这个定义包括四个层次的含义。 数据挖掘的过程，数据挖掘的主要方法，分析方法Analytic Method 决策树 Decision Tree 神经网络 Neural Network 相关规则Correlation Rule 数据可视化Data Visualization 遗传算法 Genetic Algorithms 邻近算法 K-nearest 联机分析处理O

  3. 所属分类：专业指导

    • 发布日期：2012-04-21
    • 文件大小：1mb
    • 提供者：dafurong

  1. 数据挖掘在医学领域中的应用及研究

  2. 数据挖掘在医学领域中的应用及研究 摘要 (1) 1引言 (1) 2数据挖掘概述 (2) 3医用数据挖掘具有特殊性 (2) 4医用数据挖掘的关键技术 (3) 4.1数据预处理 (3) 4.2信息融合技术 (3) 4.3快速的、鲁棒的挖掘算法 (3) 4.4提供知识的准确性和可靠性 (4) 5数据挖掘在医学中的应用 (4) 5.1关联分析 (4) 5.2聚类分析 (5) 5.3决策树 (5) 5.4人工神经网络 (6) 5.5遗传算法 (7) 5.6医学数据挖掘的计算的计算智能方法及应用 (8)

  3. 所属分类：其它

    • 发布日期：2014-03-05
    • 文件大小：31kb
    • 提供者：nytcjsjboss

  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. 遗传算法在数据挖掘中的应用

  2. 论文介绍一种利用遗传算法的演化计算机编程的方法来自动建立一种动态非线性数学模型进行数据挖掘，并 进行社会经济趋势预测和回归曲线拟舍，改变过去那种只使用拟舍粗糙、预测结果准确度差的传统预测模型进行曲线拟 合和趋势预测的分析方法。在数据实验中，使用遗传算法演化计算机编程的方法自动生成的演化模型对一些真实的历史 资料进行了曲线拟合和发展趋势预测以及对前馈、后馈误差进行了深入分析。结果表明，使用该方法建立的演化模型要 比传统的线性回归、指数回归、抛物线回归三种固定传统数学模型所预测的数据准确度高很多，

  3. 所属分类：其它

    • 发布日期：2008-11-19
    • 文件大小：243kb
    • 提供者：flyskyfrank

  1. 数据挖掘与分析

  2. 本书是专注于数据挖掘与分析的基本算法的入门图书，内容分为数据分析基础、频繁模式挖掘、聚类和分类四个部分，每一部分的各个章节兼顾基础知识和前沿话题，例如核方法、高维数据分析、复杂图和网络等。每一章最后均附有参考书目和习题

  3. 所属分类：算法与数据结构

    • 发布日期：2018-08-22
    • 文件大小：9mb
    • 提供者：circleyuanquan

  1. 数据挖掘综述

  2. 数据挖掘，就是从大量的、不完全的、有噪声的、模糊的、随机的数据库中，提取隐含在其中的、人们事先不知道的、但又是潜在的信息和知识的过程。这个定义包括四个层次的含义。 数据挖掘的过程，数据挖掘的主要方法，分析方法Analytic Method 决策树 Decision Tree 神经网络 Neural Network 相关规则Correlation Rule 数据可视化Data Visualization 遗传算法 Genetic Algorithms 邻近算法 K-nearest 联机分析处理

  3. 所属分类：专业指导

    • 发布日期：2012-04-21
    • 文件大小：1mb
    • 提供者：dafurong
« 12 3 4 5 6 7 8 9 10 ... 13 »