您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. SOM-BASED TIME SERIES CLUSTERING.rar

  2. SOM-BASED TIME SERIES CLUSTERING.rar,硕士论文参考资料,很不错的源码
  3. 所属分类:C/C++

    • 发布日期:2008-02-12
    • 文件大小:31744
    • 提供者:slx965
  1. ID3决策树算法源码+SG-1算法+conceptual clustering算法

  2. ID3决策树算法源码+SG-1算法+conceptual clustering算法,C语言版本,完整可用。研究者使用!
  3. 所属分类:专业指导

    • 发布日期:2011-04-29
    • 文件大小:68608
    • 提供者:houyanjun
  1. star-clustering:自动确定簇数并且无需超参数微调即可工作的聚类算法-源码

  2. 星团聚类 介绍 恒星聚类算法是一种聚类技术,其灵感很松散,类似于恒星系统的形成过程。它的目的是作为一种替代性的聚类算法,它不需要事先知道聚类的数量或进行任何超参数调整。 安装 应安装以下依赖项: 麻木 科学的 设置 建议您使用Scikit-Learn,因为此处提供的实现旨在与Scikit-Learn配合使用,以替代其他算法。 实际的算法位于star_clustering.py中,可以由import语句调用: from star_clustering import StarCluster 然后创
  3. 所属分类:其它

    • 发布日期:2021-03-19
    • 文件大小:1028096
    • 提供者:weixin_42136365
  1. clustering:CLI将UMAPLeiden集群应用于值数组-源码

  2. 聚类 CLI将UMAP / Leiden群集应用于值数组 老实说,只是一个愚蠢的前端,就可以使用UMAP将数据矩阵聚类到最近的邻居,并使用Leiden进行社区检测。之所以写这篇文章,是因为从{reticulate}传递数据很容易达到C stack limit并且我很想尝试如何解决它。 :chart_increasing:发行版 您可以在页面上查看可用版本列表。 我们遵循规范。 我们使用 。合并拉取请求时,将保留最新的草稿版本,列出更改,并准备好在您准备好时发布。使用类别选项,您可以使用标签对
  3. 所属分类:其它

    • 发布日期:2021-03-19
    • 文件大小:51200
    • 提供者:weixin_42133861
  1. bootiful-cassandra-源码

  2. DataStax Astra for Cassandra入门 1.设置ASTRA 创建表 数据库准备就绪后,转到CQLConsole并创建表 CREATE TABLE IF NOT EXISTS starter_orders ( order_id uuid, product_id uuid, product_quantity int , product_name text , product_price decimal , added_to_order_at times
  3. 所属分类:其它

    • 发布日期:2021-03-18
    • 文件大小:65536
    • 提供者:weixin_42162978
  1. relator-centric-clustering-源码

  2. 概念模型聚类:以相对者为中心的方法补充材料 该存储库包含研究论文的补充材料(正在审查中): Guizzardi,G.,Sales,TP,Almeida,JPA,&Poels,G.(2021年)。 概念模型聚类:一种以相对者为中心的方法。 软件和系统建模。 在本文中,我们报告了一个实证实验,其中概念建模专家表达了他们对不同模块化策略的偏好。 在这里,您将找到与此实验相关的材料: 包含调查答案的数据集( ) 实验中使用的调查表 PS:此数据集是完全匿名的,因为我们没有收集任何可用来揭示参
  3. 所属分类:其它

    • 发布日期:2021-03-17
    • 文件大小:19456
    • 提供者:weixin_42128315
  1. Exercices-Classification-Ensemble-learning-Clustering-源码

  2. TD-2-3-4-5 您必须保存您的代码。 您将在以后使用 挑战 在本练习中,我们将实现逻辑回归并将其应用于分类任务。 在本练习的第一部分中,我们将建立一个逻辑回归模型,以预测管理人员是否会升职。 您必须根据每位员工在两次与领域相关的考试(年龄和性别)上的成绩来确定他们晋升的机会。 您具有以前申请人的历史数据,可以用作逻辑回归的训练集。 为此,我们将建立一个分类模型,根据考试分数估算入学概率。 从加载数据,使用pandas方法检查数据,检查变量类型并将分类变量转换为数值 使用扩展数据集Min
  3. 所属分类:其它

    • 发布日期:2021-03-16
    • 文件大小:266240
    • 提供者:weixin_42125867
  1. CAPTAIN-Elderly-clustering-and-evolution-analysis:CAPTAIN-老年人聚类和进化分析-源码

  2. 互动聚类 该应用程序的目的是使用交互式可视化技术分析CAPTAIN系统中的老年人口。 它允许非专家用户创建聚类,可视化其模式并在分层后跟踪这些聚类的演变。 它还允许最终用户自定义每个参数或组(营养,社会,身体和认知)的相关性。 启动 单机版 流式运行main.py 码头工人 要求 运行到您的机器中。 端口8501必须在本地计算机上可用。 建立影像 docker build -t img_interactive_clustering。 将图像运行到容器中 docker run -d --rm -
  3. 所属分类:其它

    • 发布日期:2021-03-15
    • 文件大小:149504
    • 提供者:weixin_42154650
  1. Countries-Clustering-源码

  2. 国家集群 目的是使用决定国家总体发展的一些社会经济和健康因素对国家进行分类。 然后建议最需要援助的国家。 方法:数据预处理任务,例如数据检查,EDA,离群值分析等。使用k均值和层次聚类的模型构建。 分析集群并确定急需援助的国家。
  3. 所属分类:其它

    • 发布日期:2021-03-14
    • 文件大小:492544
    • 提供者:weixin_42127835
  1. SystemicRisk:系统风险评估和分析框架-源码

  2. 系统性风险 该框架计算,分析和比较以下系统性风险度量: 组件措施 AR (Absorption Ratio) CATFIN , CS (Correlation Surprise) TI (Turbulence Index) Principal Component Analysis 连接措施 DCI (Dynamic Causality Index) CIO ("In & Out" Connections) CIOO ("In & Out - Other" Connections
  3. 所属分类:其它

    • 发布日期:2021-03-11
    • 文件大小:9437184
    • 提供者:weixin_42132598
  1. clustering-源码

  2. IS4项目结构 一个逻辑合理,标准化但灵活的项目结构,用于完成和共享工作。 (基于) 该存储库包含研究项目和论文的基本结构。 请按照显示的文件夹结构尽可能近地进行操作。 由于所有项目都有不同的要求,因此您可能必须对结构进行一些更改以适应您的需求。 资料夹结构 新项目的目录结构如下所示(请调整结构及其描述以最适合您的项目): ├── README.md <- The top-level README for contributers of this project. │
  3. 所属分类:其它

    • 发布日期:2021-03-11
    • 文件大小:24117248
    • 提供者:weixin_42146230
  1. clusterability_in_neural_networks-源码

  2. 神经网络中的集群性 arXiv提交的代码“神经网络中的可聚性”。 还包含我们所做的其他工作。 Daniel Filan,Stephen Casper,Shlomi Hod和Cody Wild编写的代码。 结果 病变测试: , , , 学习曲线 指示 我们将make与Makefile来使项目自动化。 命令的非详尽列表: make datasets -建立所有数据集(确定性), make models -训练所有MLP和CNN的NN模型。 make test -运行测试(使用pyte
  3. 所属分类:其它

    • 发布日期:2021-03-10
    • 文件大小:183500800
    • 提供者:weixin_42136826
  1. K-Means-Clustering-Arti-Kushwaha-源码

  2. K-均值聚类Arti-Kushwaha 阿尔蒂·库什瓦哈(Arti Kushwaha) Taks 2:使用无监督机器学习进行预测 (从给定的“虹膜”数据集中,预测最佳聚类数并以视觉方式表示它。) K均值聚类算法
  3. 所属分类:其它

    • 发布日期:2021-03-09
    • 文件大小:53248
    • 提供者:weixin_42109925
  1. coursework-源码

  2. 该存储库包含一些文件,这些文件包含作为我的主人的工作的一部分进行的实验(稍后将添加说明)。 要重现结果,请执行以下操作: 将数据文件夹和数据集的路径写到config.py中,这些路径将被记录并在工作中使用。 运行parse.ipynb文件。 配置日期中的文件将被解析,最终的数据集将被构建。 运行数据集statistics.ipynb文件(可选):它包含有关数据的一些统计信息。 运行clean.py文件:将形成清除了嘈杂数据的文本。 运行以下文件之一: Word2Vec.ipynb ,
  3. 所属分类:其它

    • 发布日期:2021-03-09
    • 文件大小:88064
    • 提供者:weixin_42166918
  1. bclusterTree:基于二叉树相似度度量的通用数据对象聚类-源码

  2. bclusterTree 基于二叉树相似度度量的通用数据对象聚类 基本用法 1.定义索引顺序以比较任何两个数据元素 这种索引顺序函数是一种函数,用于在基于分配给对象列表的输入数据构建二叉树时评估数据的比较顺序。 在二叉树中,0表示相同,1表示右侧,-1表示左侧,因此您的索引顺序函数应产生这3个整数值,例如: index = function ( a , b ) { if (abs( a - b ) b ) { 1 } else { - 1 } } 2.运行数据聚类 那么我们可
  3. 所属分类:其它

    • 发布日期:2021-03-07
    • 文件大小:24576
    • 提供者:weixin_42116596
  1. bisulfite-源码

  2. 聚类 这是一个可选步骤。 如果数据集包含具有不同亚硫酸氢盐可及斑块的序列,则使用“ clustering.py”将整个数据集分为多个组。 在示例文件夹中,“ dsid_C_1461.csv”是需要聚类的数据集。 它的第一列是每个序列的ID,最后一列是每个序列的频率。 “ clustering.py”需要两个参数。 在第1行中,输入文件的路径和名称:〜/ dsid_C_1461.csv 在第2行中,输入集群号。 它为同一文件夹中的群集输出多个csv文件。 贝叶斯分割 “ bayesian
  3. 所属分类:其它

    • 发布日期:2021-03-07
    • 文件大小:77824
    • 提供者:weixin_42133680
  1. BIRCH-Clustering-R-code:这是用于BIRCH集群的ar包-源码

  2. BIRCH聚类R代码 这是用于BIRCH集群的ar包 介绍 该程序包执行BIRCH聚类,并返回一个data.tree结构。 有关data.tree的更多信息,请参阅 关于功能 您需要为BIRCH集群功能提供4个输入: 数据,它是您要进行聚类的数据框。 BranchingFactor,它是非叶节点允许的最大子级。 LeafEntries是叶子节点允许的最大条目(CF)。 阈值,它是CF半径的上限。 此BIRCH函数不包含规范化,如果需要,请在使用此包之前对数据进行规范化。 该BIRCH函
  3. 所属分类:其它

    • 发布日期:2021-03-06
    • 文件大小:24576
    • 提供者:weixin_42099858
  1. Spectral-Clustering-Implementation:在图像上实施光谱聚类-源码

  2. 频谱聚类实施 我们必须使用姓名的首字母和毕业年份来生成自己的数据集。 例如,2020年的Mukul sharma passout的首字母为MS2020。我通过单击首字母的图像来创建数据,然后将该图像像素值存储在矩阵中。 生成数据后,应用光谱聚类算法,并以不同的颜色在首字母中显示不同的光谱。 输出集群:
  3. 所属分类:其它

    • 发布日期:2021-03-05
    • 文件大小:49152
    • 提供者:weixin_42131276
  1. Automatic-clustering-with-bioinspired-algorithms-源码

  2. 具有生物启发算法的自动聚类 该项目是适应聚类任务的受生物启发的元启发式方法的python实现。 每个变元的原始文件是: WOA: Sir Mirjalili; 刘易斯,鲸鱼优化算法。 工程软件进展,第1卷。 95,2016,p。 51–67。 CS: Yang,XS和Deb,S.(2009)。 通过征税航班搜索布谷鸟。 在2009年世界自然生物启发计算大会(NaBIC),第210-214页。 CSO: Chu,S.-C.,Tsai,P.-W。和Pan,J.-S. (2006)。 猫群优化
  3. 所属分类:其它

    • 发布日期:2021-03-05
    • 文件大小:20480
    • 提供者:weixin_42135753
  1. dsc-k-means-clustering-seattle-ds-102819-源码

  2. K均值聚类 介绍 在本课程中,我们将学习最流行和广泛使用的聚类算法K-means聚类。 目标 你将能够: 比较集群网络的不同方法 解释K-means聚类算法背后的步骤 在scikit-learn中执行k-means聚类 说明如何评估集群 定义一个“肘图”及其解释方法 聚类 聚类技术是最流行的无监督机器学习算法之一。 群集背后的主要思想是,您希望通过以下方式将对象分组到相似的类中: 组内相似度很高(同一组成员之间的相似度很高) 组间相似度低(不同组的相似度低) 相似性是什么意思? 您应该从
  3. 所属分类:其它

    • 发布日期:2021-03-02
    • 文件大小:2097152
    • 提供者:weixin_42162216
« 12 »