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. 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. AP算Affinitiy Propagation Clustering Algorithm(AP聚类算法)

  2. 算法可以对各种数据进行聚类分析，具体的应用领域包括图像、文本、生物信息学等等

  3. 所属分类：其它

    • 发布日期：2010-10-28
    • 文件大小：214kb
    • 提供者：lamblily

  1. 谱聚类的分析及算法（spectral clustering）

  2. 该论文详细介绍了谱聚类的原理、实现算法以及算法分析。

  3. 所属分类：互联网

  1. 期刊论文：聚类算法研究

  2. 摘要:对近年来聚类算法的研究现状与新进展进行归纳总结.一方面对近年来提出的较有代表性的聚类算法, 从算法思想、关键技术和优缺点等方面进行分析概括;另一方面选择一些典型的聚类算法和一些知名的数据集,主 要从正确率和运行效率两个方面进行模拟实验,并分别就同一种聚类算法、不同的数据集以及同一个数据集、不同 的聚类算法的聚类情况进行对比分析.最后通过综合上述两方面信息给出聚类分析的研究热点、难点、不足和有待 解决的一些问题.上述工作将为聚类分析和数据挖掘等研究提供有益的参考.

  3. 所属分类：数据库

    • 发布日期：2011-04-21
    • 文件大小：671kb
    • 提供者：wangzhe000

  1. MATLAB聚类分析工具箱

  2. 很好的聚类分析工具，包换各种流行的聚类分析算法以及有效性验证、可视化工具，有详细的英文使用说明文档。

  3. 所属分类：其它

    • 发布日期：2012-06-09
    • 文件大小：1mb
    • 提供者：arslong

  1. 无线传感器网络仿真

  2. 第一章 无线传感器网络概述 6概述 61.1 NS-2 61.2 OPNET 61.3 SensorSim 71.4 EmStar 71.5 GloMoSim 71.6 TOSSIM 71.7 PowerTOSSIM 8第二章 OMNET＋＋简介 9概述 92.1 OMNeT++框架 92.1.1 OMNeT++组成 92.1.2 OMNeT++结构 102.2 OMNeT++的安装 112.3 OMNeT++语法 122.3.1 NED语言 122.3.1.1 NED总概述 122.3.1.

  3. 所属分类：网络基础

  1. Clustering algorithm recommendation a meta-learning approach

  2. 本文是英文原文:研究了使用元学习技术（学习的学习）进行聚类算法推荐的适应性；针对目前元学习技术主要应用到分类问题上而对于聚类问题的研究几乎处于空白的现实，设计了元学习技术应用到聚类问题上的实验。论文首先介绍了元学习；其次介绍了实验的设计包括使用的数据集、聚类算法、聚类度量指标、元属性、元算法、元学习度量指标；最后分析了实验结果。

  3. 所属分类：其它

    • 发布日期：2014-04-30
    • 文件大小：565kb
    • 提供者：lhkaikai

  1. KCFM 算法，统计分析

  2. 为处理线性不可分、结构复杂的数据集，提出基于核聚类的 K-均值聚类( Kernel Clustering-based K-means Clustering ， KCKC ) ． 该方法先在原始空间中对模式进行聚类，再由径向基函数( Ｒadial Basis Function ， ＲBF ) 核把它们映射到核空间，从而保持大部分模式之间的关系 ．

  3. 所属分类：算法与数据结构

    • 发布日期：2018-01-08
    • 文件大小：1mb
    • 提供者：qq_41603927

  1. 基于HCC-SVM的字符识别技术-南理

  2. 本文围绕字符识别技术，对字符识别预处理算法与支持向量机分类算法进行了深入 的研究。在字符图像预处理方面，重点研究了灰度图像滤波算法、图像的倾斜检测和字 符分割算法；在支持向量机分类方面，提出了一种新的快速的按类分级聚类(Hierarchical Clustering by Category，HCC)支持向量机算法叫CC．SVM。 采用暴力测试法，分析SVM算法的关键参数的选取，找出适用于测试数据集 的最佳参数。

  3. 所属分类：其它

    • 发布日期：2018-01-30
    • 文件大小：3mb
    • 提供者：tensafe

  1. 轻量级大规模机器学习算法库Fregata.zip

  2. Fregata 是一个基于 Apache Spark 的轻量级、超快速、大规模的机器学习库，并在 Scala 中提供了高级 API。特性更准确：对于各种问题，Fregata 可以实现比 MLLib 更高的精度。更快速：对于广义线性模型，Fregata 在绝大部分数据上都能够扫描一遍数据即收敛。对于 10 亿 X 10 亿的数据集，Fregata 可以在 1 分钟内用内存缓存训练广义线性模型，或在没有内存缓存的情况下训练 10 分钟。通常，Fregata 比 MLLib 快 10-100 倍。算

  3. 所属分类：其它

    • 发布日期：2019-07-19
    • 文件大小：153kb
    • 提供者：weixin_39840914

  1. Clustering-Algorithms-master.zip

  2. 基于Python实现了K-Means、GMM、DBSCAN、AGNES等四种常见的聚类算法. 很难对聚类方法提出一个简洁的分类，因为这些类别可能重叠，从而使得一种方法具有几类的特征，尽管如此，对于各种不同的聚类方法提供一个相对有组织的描述依然是有用的，为聚类分析计算方法主要有如下几种:划分法（Partitioning Methods）、层次法（Hierarchical Methods）、基于密度的方法（density-based methods）、基于网格的方法（grid-based meth

  3. 所属分类：机器学习

  1. 基于移动互联网行为分析的用户画像系统设计.pdf

  2. 随着大数据时代的到来,能够牢牢的抓住老客户、吸引新客户、读懂用户的偏好兴趣以及挖掘用户的潜在价值,这些对于运营商的的发展至关重要。而达成这一目标需要对用户市场进行细分实现精细化营销,应用数据挖掘技术对用户进行画像,实现用户细分,其研究和发展在实现运营商精确营销、提高工作效率、减少经营成本方面具有重要的指导意义和实用价值。本文以移动互联网用户行为作为研究对象,以用户画像理论作为理论依据,提出了用户画像系统的建设思路,采用标签化方法对用户行为以及用户偏好特征进行描述。本文首先对用户画像系统进行整体的

  3. 所属分类：spark

  1. 科技文献数据挖掘关键技术研究.pdf

  2. 科技文献数据挖掘关键技术研究分类号 密级: UDC 编号 工学硕士学位论文 科技文献数据挖掘关键技术研究 硕士研究生:李梦阳 指导教师:姚念民教授 学位级别:工学硕士 学科、专业:计算机科学与技术 所在单位:计算机科学与技术学院 论文提交日期:2015年3月3日 论文答日期:2015年3月13日 学位授予单位:哈尔滨工程人学 Classified Index U. D. C. A Dissertation for the degree of M. Eng Research on key tec

  3. 所属分类：互联网

    • 发布日期：2019-07-08
    • 文件大小：2mb
    • 提供者：dddds123

  1. 基于云平台的层次聚类算法在煤炭产业中的应用

  2. 层次聚类(Hierarchical Clustering)就是通过对数据集按照某种方法进行层次分解。该聚类方法可以设定聚类的个数,并得到了各个研究和应用领域的广泛应用。煤炭产业中往往希望对煤炭的产品进行聚类分析,从而有助于开发和生产。随着煤炭系统中收集的煤炭数据数量的增多,层次聚类算法由于需要计算大量的相似性矩阵需要大量的内存,原有的层次聚类算法不能有效地处理海量规模数据。文章针对煤炭数据中生成的大规模数据,提出基于云计算平台的分布式层次聚类算法,该算法能够分布式完成相似性矩阵的保存和计算,快速

  3. 所属分类：其它

    • 发布日期：2020-07-06
    • 文件大小：582kb
    • 提供者：weixin_38614391

  1. K-均值聚类算法研究

  2. 【摘要】 目前,对于聚类问题的研究普遍存在于社会生活中的各个领域,如模式识别、图像处理、机器学习和统计学等。关于对生活中各种各样的数据的聚类分类问题已经成为众多学者的研究热题之一。聚类和分类的区别在于,聚类没有任何先验知识可循,要通过数据自身的特点,将数据自动的划分到不同的类别中。聚类的基本形式定义为“在已给的数据集合中寻找数据点集的同类集合。每一个集合叫做一个类,并确定了一个区域,在区域中对象的密度高于其他区域中的密度。”聚类方法有很多种,其中最简单的形式便是划分式聚类,划分式聚类试图将给定的

  3. 所属分类：互联网

    • 发布日期：2020-07-04
    • 文件大小：3mb
    • 提供者：songzailu6482

  1. DBSCAN算法与数学形态学在岩石薄片图像分割中的应用

  2. 在岩石薄片图像处理中，针对岩屑矿物个数未知、成像多为聚集的点状的特点，提出了一种基于DBSCAN(DensityBased Spatial Clustering of Applications with Noise)算法与数学形态学的矿物分割方法。首先，标记出每个颗粒目标，求得其中心坐标；其次，利用DBSCAN算法对岩屑颗粒目标中心进行聚类，将不同区域的岩屑目标分离出来；最后，利用数学形态学方法对聚类结果做膨胀、填孔、腐蚀等处理，得到颗粒的边界。实验分析表明：该方法聚类效果良好，参数容易控制并

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：197kb
    • 提供者：weixin_38592332

  1. 稀疏子空间聚类综述

  2. 稀疏子空间聚类(Sparse subspace clustering,SSC)是一种基于谱聚类的数据聚类框架.高维数据通常分布于若干个低维子空间的并上,因此高维数据在适当字典下的表示具有稀疏性.稀疏子空间聚类利用高维数据的稀疏表示系数构造相似度矩阵,然后利用谱聚类方法得到数据的子空间聚类结果.其核心是设计能够揭示高维数据真实子空间结构的表示模型,使得到的表示系数及由此构造的相似度矩阵有助于精确的子空间聚类.稀疏子空间聚类在机器学习、计算机视觉、图像处理和模式识别等领域已经得到了广泛的研究和应用,

  3. 所属分类：其它

  1. 机器学习算法总结

  2. 本文来自于网络，本文主要介绍了机器学习领域涉及到很多的算法和模型中一些常见的算法。机器学习(MachineLearning,ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。严格的定义：机器学习是一门研究机器获取新知识和新技能，并识别现有知识的学问。这里所说的“机器”，指的就是计算机，电子计算机，中子计算机、光子计算机或神经计算机等等。由上图所示

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：615kb
    • 提供者：weixin_38685961

  1. 基于免疫优势的克隆选择聚类算法

  2. 基于克隆选择原理和免疫优势理论,本文提出一种新的基于免疫优势的克隆选择聚类算法(Immun-odomaince based Clonal Selection Clustering Algorithm,IDCSCA),该算法通过在经典的克隆选择算法框架中,引入基于免疫优势理论的免疫优势算子实现了在线自适应动态获得先验知识和个体间的信息共享.新算法首先通过对群体中若干最优抗体的分析,提取免疫优势,然后将其推广到整个抗体群,通过在进化过程中利用积累的先验知识,在保证抗体种群多样性的基础上加快收敛速度.

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：672kb
    • 提供者：weixin_38642735

  1. 【华盛顿大学-机器学习】1、A Case Study 1.3、clustering：文献数据检索

  2. clustering 对文献进行数据分析 要求如下 用文献中的单词书面来进行展现 上述方法会受到倍数的影响，因此我们要将其标准化 Prioritizing important words with tf-idf 有的单词是在所有文献中都很常见的，因此会导致这些单词的频率过高，从而影响我们的实际结果，因此我们要考虑这样常见单词（the，and，I)的影响 TF-IDF 聚类算法实现 Nearest neighbor search（最近邻搜索） 将其他的文献与目标文献进行上面的矩阵相乘，找

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：887kb
    • 提供者：weixin_38610070
« 12 »