搜索资源列表
CardUserMgr
- 客户服务数据信息业务类 保存卡对应客户信息（首页保存时，从元数据中抽取并保存）-Customer service data information business class
matlab-data-mining
- 数据挖掘(Data Mining)阶段首先要确定挖掘的任务或目的。数据挖掘的目的就是得出隐藏在数据中的有价值的信息。数据挖掘是一门涉及面很广的交叉学科，包括器学习、数理统计、神经网络、数据库、模式识别、粗糙集、模糊数学等相关技术。它也常被称为“知识发现”。知识发现(KDD)被认为是从数据中发现有用知识的整个过程。数据挖掘被认为是KDD过程中的一个特定步骤，它用专门算法从数据中抽取模式(patter，如数据分类、聚类、关联规则发现或序列模式发现等。数据挖掘主要步骤是：数据准备、数据挖掘、结果的解释
bugger
- 一个简单的网页信息抓取软件· 运用正则表达式抽取信息 保存到本地或者数据库 用了C#皮肤 功能完善 界面大方-A simple web information ripping software use regular expressions to extract information is saved to the local database with C# perfect skin function interface generous
HLSeg_JAVA_Example
- 中文分词 支持对输出颗粒的控制，可以输出普通颗粒与用于检索的小颗粒；同时输出词串所在句号、段号、词号、词性等信息。 关于分词输出颗粒，我们认为各种应用对分词要求的颗粒度是不同的. 比如自动分类、关键词抽取比搜索需要的分词颗粒度要大, 因为这样表示文本语义特征时效果会更好, 而检索有一个查全率的要求, 就需要把分词单位做的更为细致, 不然就会造成漏查。 海量系统现在提供了两种颗粒的规则, 其中, 默认的为大颗粒接口, 主要用于自动分类、信息挖潜、机器翻译、语音合成、人工智能等领域,
lotto2
- 搞活动用的抽奖小系统，加载名单，抽取特等，一等，二等，三等奖，并显式中奖信息。-Engage in activities with the sweepstakes small system load list, extract Principal, first, second and third prizes, and explicit winning.
LEsdafMS
- 实验室设备管理系统(课程设计)源码 本系统功能主要分为用户登录、系统管理、设备管理、用户操作四个部分。对于支持该系统的数据库，建立了2张表，分别是登录表和设备表。这对每一项功能，都有必要的驱动信息和功能上的约束。以设备管理功能为例，设备管理分为四部分：添加设备，删除设备，浏览设备，查询设备。添加设备时应该能对一些有限制的信息做好正确的检查，录入的设备信息应包括设备编号、设备名称、购进时间、国别、供应商、价格、存放地点保管人、借用人，并且在信息输入时应及时对信息的合法性进行检查；删除设备
authorware-multimedia-exam-system
- 这是一个考试系统，主要实现的题目有单项选择题，多项选择题和判断题。 1.对于每个题都是每次运行本软件的时候自动从题库中随机抽取。 2.在data文件夹下有一个配制文件： a.它可以修改每个类型的题目的数量。 b.它可以修改第个题目的分值。 c.它可以修改考试的限定时间。 3.在交卷后就可以查看，本次考试的得分。并根据本次考试满分的60 做为标准，来判断你是否通过这次考试。 4.后台是一个Access数据库，就可以加入新的题目。
finger_GUI
- 指纹识别代码，可安装，有GUI文件，以及源代码，完成以下功能 （1）输入指纹图像文件并显示 ； （2）抽取指纹图像中的指纹端点和分叉点坐标特征，注意指纹图像 边缘的指纹端点信息可以忽略； （3） 在指纹图像上叠加显示抽取的该指纹特征；——————完成！ （4） 手工添加、移动和删除某个指纹特征 ； （5） 输出指纹特征文件。-Fingerprint identification code, can be installed with GUI files, and
wavepack-change
- 强大的小波包分析程序，将信号分频分析，在感兴趣的频率域内抽取信号信息。-Powerful wavelet packet analysis procedures, the signal of frequency analysis, frequency domain of interest extracted signal information.
LDA
- LDA matlab code 线性判别式分析(Linear Discriminant Analysis, LDA)，也叫做Fisher 线性判别 (Fisher Linear Discriminant ,FLD)，是模式识别的经典算法，它是在1996 年由Belhumeur 引入模式识别和人工智能领域的。性鉴别分析的基本思想是将高维的模式样本投影到最佳鉴 别矢量空间，以达到抽取分类信息和压缩特征空间维数的效果，投影后保证模式样本在新的 子空间有最大的类间距离和最小的类内距离，即模式在该空间中有
scratchedu
- 从结构化网页中抽取高校信息，获取高校的名字，进行后续研究使用。-Extracting information from structured university web page, to get the name of colleges and universities, follow-up study.
Survey
- 电话调查询评估，话务员通过对抽取的人员进行外呼，填写获取的信息。-Telephone survey query evaluation, the operator through the extraction outbound personnel, information to fill acquisition.
Extraction
- 抽取指定ma文件骨骼信息，按骨骼名分别存储为txt-Ma file specified information extracted bones, according to the bone names are stored as txt
kpca
- 主元分析法(PCA)是目前基于多元统计过程控制的故障诊断技术的核心，是基于原始数据空间，通过构造一组新的潜隐变量来降低原始数据空间的维数，再从新的映射空间抽取主要变化信息，提取统计特征，从而构成对原始数据空间特性的理解。-Principal Component Analysis
BitFloor
- 8bit灰度图像比特分层,抽取同一bit层次上的像素信息，构成一个二值化图像。-8bit hierarchical bit grayscale image to extract the pixel information on the same bit-level, forming a binarized image
fisher
- 模式识别的经典算法，它是在1996年由Belhumeur引入模式识别和人工智能领域的。性鉴别分析的基本思想是将高维的模式样本投影到最佳鉴别矢量空间，以达到抽取分类信息和压缩特征空间维数的效果，投影后保证模式样本在新的子空间有最大的类间距离和最小的类内距离，即模式在该空间中有最佳的可分离性。因此，它是一种有效的特征抽取方法。使用这种方法能够使投影后模式样本的类间散布矩阵最大，并且同时类内散布矩阵最小。就是说，它能够保证投影后模式样本在新的空间中有最小的类内距离和最大的类间距离，即模式在该空间中有最
lda-c
- LDA是一种文档主题生成模型，也称为一个三层贝叶斯概率模型，包含词、主题和文档三层结构。文档到主题服从Dirichlet分布，主题到词服从多项式分布。 LDA是一种非监督机器学习技术，可以用来识别大规模文档集（document collection）或语料库（corpus）中潜藏的主题信息。它采用了词袋（bag of words）的方法，这种方法将每一篇文档视为一个词频向量，从而将文本信息转化为了易于建模的数字信息。但是词袋方法没有考虑词与词之间的顺序，这简化了问题的复杂性，同时也为
lda-0.2-matlab
- matlab判别分析，基本思想是将高维的模式样本投影到最佳鉴别矢量空间，以达到抽取分类信息和压缩特征空间维数的效果，投影后保证模式样本在新的子空间有最大的类间距离和最小的类内距离，即模式在该空间中有最佳的可分离性。-matlab discriminant analysis, the basic idea is to sample the high-dimensional pattern projected onto the optimal discriminant vector space, i
HtmlExtractor-master
- HTMLExtractor是一个Java实现的基于模板的网页结构化信息精准抽取组件,本身并不包含爬虫功能,但可被爬虫或其他程序调用以便更精准地对网页结构化信息提取-HTMLExtractor is web-based structured information extraction template precise components of a Java implementation, the function itself does not include reptiles, but re
g
- 主元分析法(PCA)是目前基于多元统计过程控制的故障诊断技术的核心，是基于原始数据空间，通过构造一组新的潜隐变量来降低原始数据空间的维数，再从新的映射空间抽取主要变化信息，提取统计特征，从而构成对原始数据空间特性的理解。-Principal component analysis (PCA) is based fault diagnosis technique multivariate statistical process control at the core of the current,