搜索资源列表
LSVM
- 基于LSVM(Lagrangian Support Vector Machine)分类算法分析,设计了通用的银行个人信用特征数据-Based LSVM (Lagrangian Support Vector Machine) classification algorithm analysis, design of the common features of personal credit data bank
classification
- 基于K均值算法的模糊分类器具有很好的分类效果,用它可以很准确的对训练样本进行分类. 此方法是将K均值算法应用于训练数据的聚类,对每个聚类的半径和聚类的中心都是可计算的. 而模糊系统设计方法就是用模糊度来描述聚类, 对训练数据进行高效且准确的分类.-based on K-mean Algorithm,it can Classify the original data very well!
Deep_Research_Event_Handling_Mechanism_of_BREW
- BREW 是美国高通公司（QUALCOMM）为无线数据应用程序开发和执行提供的 通用接口平台，主要支持CDMA 手机，最新也可以支持GSM 手机。BREW 提供了一套应 用程序接口（API），设备制造商和开发人员可以随时对运行环境进行扩展，提供应用程序 需要的各种附加性能模块。本文通过研究BREW 事件处理机制，理解了BREW 事件驱动模 型。在了解BREW 程序执行过程的前提下，分析了事件驱动处理中需要注意的问题并给出 了相应的实例，最后根据最新发展趋势介绍了触摸屏事件处理
1121
- 缺陷管理系统概述 实例分析：4 种软件缺陷管理系统 软件缺陷的天罗地网-缺陷管理系统的作用与功能 缺陷管理系统的用户组成与权限分析 缺陷管理系统的模块组成 软件缺陷状态分类与特征 如何书写专业的缺陷报告 缺陷数据分析有关的问题 缺陷数据分析的重要性 缺陷数据分析的主要指标 缺陷数据分析的方法 案例研究：比较几种缺陷分析方法 每天报告的新缺陷统计 每天报告的无效缺陷统计 累计报告的缺陷统计 每日修正的缺陷统计 各个程序模块的缺陷统计
20P30
- 50个类别，每个类别50个样本，用于文本分类的数据集，解决多类单标签问题-50 categories are each 50 samples, used for text classification data sets to address the problem of multi-class single-label
RoughSetAndSVM
- 本文提出一种综合粗糙集与支持向量机的 Web 文本分类模型，利用粗糙集的属性约简方法，减少支持向量机训练数据的维数，提高 Web 文本分类的性能与效率.-This article advances a Web text classification model which synthesis rough set and support vector machine. Using the rough set’s attribute reduction method to reduce the di
P
- 随着信息技术的发展，以电子形式存在的文本信息已经成为人们主要的信息来 源。人们迫切需要能够从Web上快速、有效地发现资源和知识的工具。近年来针 对文本数据的文本挖掘已逐渐成为人们研究的新课题。其中，对于文本聚类的研 究己经引起了广泛的重视，并取得了良好的成果。 本文首先对数据挖掘流程以及数据挖掘分类和各自的研究现状及发展进行了 概括的介绍；然后结合汉语自身的相关特点详细的分析了中文文本自动聚类中所 涉及到的关键问题及其技术；接着介绍了人工神经网络技术的发展的现状和特点
Research-data-recovery-under-Windows
- 本文的主要目的就是讲述Windows下数据恢复研究开发的整个过程，希望能对推动数据恢复技术本身的发展和完善做一点贡献。本文对Windows下数据恢复中的技术重点和难点进行了说明，总结了数据恢复的研究方法，对数据恢复算法进行了分类讨论。-The main purpose of this paper is to describe in Windows data recovery research and development of the whole process, hoping to prom
HTTP-TUNNEL-DETECTING-TECHNIQUE
- 研究了恶意软件常采用的通信方式———隧道技术，并提出了一种基于Ｃ４．５的ＨＴＴＰ 隧道检测算法。该算法采用决策支持树算法 Ｃ４．５提取网络流特征字段，根据特征字段生成训练数据建立ＨＴＴＰ隧道分类的决策树检测模型，采用该分类模型检测ＨＴＴＰ隧道流，为检测恶意软件提供依据。-Malicious software often used means of communication--- tunneling technology, and a HTTP based on C4.5 Tunne
Student-C
- 学生管理系统包括//在主函数中进行功能选择。 //调用open()函数，建立文件f.txt //调用input()函数,从键盘输入5个学生的数据送到结构数组中. //调用alter()函数,对数据进行修改 //调用search()函数,对数据进行查询： 调用search_num()函数，按学号查询； 调void search_name()函数，按姓名查询 //调用void ch()函数，进行统计查询： 调用sk()函数，查询三科成绩均大于85分的记录； 调用b
Discretecosine-transform
- 脑神经网络信号的离散余弦分类。所谓分类就是一种模式识别。按照某个特定标准(如距离准则)把一个数据集分割成不同的类或簇，分类后同一类的数据尽可能聚集到一起，不同数据尽量分离。而离散余弦变换是一种用来数据压缩的正交变换。所谓数据的压缩实际上就是通过丢失能量较小高频分量，保留能量较高的低频分量，从而达到压缩的目的。-Brain network signal discrete cosine classification. The so-called classification is a kind of
svm
- 非线性svm实现样本点的分类，并输出图像，输入数据为矩阵-Nonlinear svm to achieve a classification of the sample points, and the output image, the input data matrix
The-Good-Softwore-Testing(2011)
- 软件测试基础教程 测试的基本概念 测试是软件生存周期中十分重要的一个过程，是产品发布、提交给最终用户前的稳定化阶段。 1、 测试的分类： 从测试方法的角度可以分为手工测试和自动化测试。 手工测试：不使用任何测试工具，根据事先设计好的测试用例来运行系统，测试各功能模块。 自动化测试：利用测试工具，通过编写测试脚本和输入测试数据，自动运行测试程序。目前最常用的自动化测试工具是基于GUI的自动化测试工具，基本原理都是录制、回放技术。 从整体的角度可以分为单元测试、集成测
DataMining3rd
- 评测数据在去掉停用词的 分类过程开放测试中,引入Good-Turing算法的分类性能比Laplace原则提高了3·05 ,比Lidstone方法提高 1·00 .而在交叉熵选择特征词的算法中,增加Good-Turing的贝叶斯分类方法可比最大熵分类性能高95 .通过这种数据平滑的算法,有助于克服因数据稀疏而引发的特征词缺失问题 -Evaluation data in the open test of the classification process to remove stop
target-detection-algorithm-
- 为克服传统目标识别方法在处理空间特征分布极为复杂的数据时的缺点，提出1 种基于决策树的多特征检测算法，并将其应用到基于视频的海上搜救目标检测中. 该算法首先提取图像中的颜色、亮度等信息，通过计算各特征的信息增益建立决策树，将搜救目标检测问题分解成3 层决策树分类问题. 实验表明，该算法能够提高多特征目标检测的效率，在救生艇、筏等海上搜救目标检测的应用中取得较好的结果.-Characteristics to overcome the traditional target recognition m
datamining
- 主要介绍在大型数据库中发现知识（Knowledge Discovery in Large Databases, KDD）的各种技术，是专门针对决策支持中的各类问题进行讨论的高端课程。面向对象为软件工程专业硕士研究生。 本课程讲授的主要内容包括：数据预处理、数据仓库及OLAP、概念描述型数据挖掘、关联规则挖掘、分类挖掘和预测以及聚类挖掘，涉及的领域包括数理统计、概率论、机器学习、信息论、集合论等等。-Introduces knowledge discovery in large dat
CSVfileClassification
- C++控制台程序，实现对CSV文件的读写，并对读取的数据进行分类汇总（以水果分类为例），分类结果写入CSV文件。程序结构清晰。-C++ console program, the CSV file read and write, and data subtotals (fruit classification) classification writes the results to a CSV file. The program structure is clear.
UCL-label
- 数据广播中的UCL标引与传输机制，运用UCL分类方法。-Data broadcasting UCL Indexing and transport mechanisms, the use of the UCL classification.
ffntest
- 对数据进行分类，从而实现对数据的预处理，为后面建模提供更好的数据，提高模型的精度-Classification of the data, in order to achieve the pre-processing of the data behind modeling to provide better data to improve the accuracy of the model
database
- 数据作为信息的载体，当然要分析数据中包含的主要信息，及分析数据的主要特征。也就是说，要研究数据的数字特征。研究数据就是对数据进行采集、分类、录入、储存、统计分析，统计检验等一系列活动的统称-Data as a carrier of information, of course, the main features of the main information contained in the data, and analysis of data to be analyzed. That is,