资源列表
在线PCA
- 实现在线PCA模型的在线更新，从而使得模型的鲁棒性更强
CAN_ACM SIGKDD_2014
- Nie F, Wang X, Huang H. Clustering and projected clustering with adaptive neighbors[C]//Proceedings of the 20th ACM SIGKDD international conference on Knowledge discovery and data mining. 2014: 977-986.
riemannian sparse coding
- matrix information on riemannian sparse coding
LPP算法
- 对高维数据进行特征两提取,提高数据分类速度,可用于故障诊断数据的特征量提取.
KPCA算法
- 对高维数据进行特征两提取,提高数据分类速度,可用于故障诊断数据的特征量提取.
PCA算法
- 对高维数据进行特征两提取,提高数据分类速度,可用于故障诊断数据的特征量提取.
GA-BP; BP神经网络各种案例，BSO天牛群，CEEMD分解，EMD工具箱，PSO优化，rBAS,LSTM各种实际案例
- GA-BP; BP神经网络各种案例，BSO天牛群，CEEMD分解，EMD工具箱，PSO优化，rBAS,LSTM各种实际案例，代码基于matlab和python
SpringBoot+jsoup爬虫
- 本地创建.xlsx文件，里面存放京东商品地址，运行项目启动导入本地xlsx文件，自动爬取文件中地址信息下载到本地
pytorch从0到1随书代码
- pytorch从0到1随书代码，供广大网友学习交流
中医证型的关联规则挖掘
- Apriori关联规则在中医证型中的应用，有对应数据及说明文档，可以运行(It is mainly the application of Apriori association rules in TCM syndromes, which can be run with corresponding data and process descr iption)
核主元分析（Kernel principal component analysis ，KPCA）在降维、特征提取以及故障检测中的应用
- 主要功能有： （1）训练数据和测试数据的非线性主元提取（降维、特征提取） （2）SPE和T2统计量及其控制限的计算 （3）故障检测 KPCA的建模过程（故障检测）： （1）获取训练数据（工业过程数据需要进行标准化处理） （2）计算核矩阵 （3）核矩阵中心化 （4）特征值分解 （5）特征向量的标准化处理 （6）主元个数的选取 （7）计算非线性主成分（即降维结果或者特征提取结果） （8）SPE和T2统计量的控制限计算
爬虫源码
- 内涵81个Python爬虫源码，doc文件，自行复制下载。