搜索资源列表
C4.5_Kidney
- 以从医院病案室获得的3022例数据为样本，在完成样本数据库以及糖尿病并发症的多维数据集设计后，以糖尿病并发症流行病学知识发现为重点，研究定性数据定量化挖掘模型及算法引擎的设计与实现，即将关联模型引入糖尿病并发症的流行病学研究.运用决策树技术对数据样本进行分析，采用C4.5找到最优决策树-cases from the hospital to obtain the data for 3,022 cases samples the completion of the sample database a
ID3_kidney
- 以从医院病案室获得的3022例数据为样本，在完成样本数据库以及糖尿病并发症的多维数据集设计后，以糖尿病并发症流行病学知识发现为重点，研究定性数据定量化挖掘模型及算法引擎的设计与实现，即将关联模型引入糖尿病并发症的流行病学研究,运用决策树技术对数据样本进行分析，采用ID3算法找到最优决策树。-cases from the hospital to obtain the data for 3,022 cases samples the completion of the sample database
tree_Kidney
- 以从医院病案室获得的3022例数据为样本，在完成样本数据库以及糖尿病并发症的多维数据集设计后，以糖尿病并发症流行病学知识发现为重点，研究定性数据定量化挖掘模型及算法引擎的设计与实现，即将关联模型引入糖尿病并发症的流行病学研究,运用决策树技术对数据样本进行分析.程序功能：增熵分析-cases from the hospital to obtain the data for 3,022 cases samples the completion of the sample database and d
svm-km.rar
- 支持向量机(SVM)是数据挖掘中的一个新方法，能非常成功地处理回归问题(时间序列分析)和模式识别(分类问题、判别分析)等诸多问题，并可推广于预测和综合评价等领域，因此可应用于理科、工科和管理等多种学科。目前国际上支持向量机在理论研究和实际应用两方面都正处于飞速发展阶段。它广泛的应用于统计分类以及回归分析中. 支持向量机属于一般化线性分类器.他们也可以认为是提克洛夫规则化（Tikhonov Regularization）方法的一个特例.这族分类器的特点是他们能够同时最小化经验误差与最大化几何边缘区
LJClusterDemo
- 文本聚类是基于相似性算法的自动聚类技术，自动对大量无类别的文档进行归类，把内容相近的文档归为一类，并自动为该类生成特征主题词。适用于自动生成热点舆论专题、重大新闻事件追踪、情报的可视化分析等诸多应用。 灵玖Lingjoin（www.lingjoin.com）基于核心特征发现技术，突破了传统聚类方法空间消耗大，处理时间长的瓶颈；不仅聚类速度快，而且准确率高，内存消耗小，特别适合于超大规模的语料聚类和短文本的语料聚类。 灵玖文档聚类组件的主要特色在于： 1、速度快：可以处理海量规模
IcaComonMatlab.tar
- 独立成分分析是近年来出现的一种强有力的数据分析工具。1994年由Comon给出了ICA的一个较为严格的数学定义，其思想最早是由Heranlt和Jutten于1986年提出来的。ICA从出现到现在虽然时间不长，然而无论从理论上还是应用上，它正受到越来越多的关注，成为国内外研究的一个热点。特别是从应用角度看，它的应用领域与应用前景都是非常广阔的，目前主要应用于盲源分离、图像处理、语言识别、通信、生物医学信号处理、脑功能成像研究、故障诊断、特征提取、金融时间序列分析和数据挖掘等。 IC
jcwtlib-0.01.tar
- 独立成分分析（Independent Component Analysis, ICA）是近年来发展起来的一种有效的盲分离技术，最早是由法国学者Herault和Jutten于1986年提出。ICA方法的提出最初是用来解决“鸡尾酒会”问题，其过程可以归纳为，在源信号与传输通道参数均未知的情况下，仅根据源信号的统计特性，出现测信号恢复出源信号。ICA分析的关键在于根据一定的优化准则建立描述输出信号独立程度的优化判据，即目标函数，并设计相应的优化算法，寻求最优的分离矩阵，使得输出信号中各分量尽可能相互独
MATLAB2
- 数据资料是数学模型与实际问题接轨的重要途径和手段，有时还可以直接从数据资料中发现规 律组建模型。数据分析和处理是统计学研究的主要内容，也是计算数学的工作领域，近年来随 着计算机科学的发展，对“海量”数据的分析形成了一门新的交叉学科“数据挖掘”。这一章仅 介绍用统计学的最小二乘法构造拟合数据模型，以及用计算数学的函数插值方法处理数据解决 实际问题。-Is a mathematical model of data integration an important practical
finance
- 针对金融时间序列分析中注重快速作出趋势判断的特点,利用数据挖掘的思想和工具,提出 一种金融时间序列模式快速发现算法. 与传统的预测算法相比较,该算法对数据的分布和平稳性等 方面的要求不高,不基于任何假设,能够非常快速地发现时间序列中的频繁模式,经过模式匹配后, 可以用于金融时间序列的分析与预测. 以实际汇率数据为例,证明了该算法的有效性-Financial time series analysis for rapid prediction of trend-oriented feat
GIS
- 本文首先介绍了粗糙集理论的基本概念，包括等价关系、不可分辨关系、上下近似、粗糙集和简约；并且从空间数据挖掘、遥感影像处理、GIS 不确定性、GIS 数据分析、模糊地理对象建模和粗糙集与其它软计算方法的结合等六方面概述了粗糙集理论在GIS 数据处理中应用的进展-This paper introduces the basic concepts of rough set theory, including the equivalence relation, can not distinguish be
dxckj
- 本文首先介绍了粗糙集理论的基本概念，包括等价关系、不可分辨关系、上下近似、粗糙集和简约；并且从空间数据挖掘、遥感影像处理、GIS 不确定性、GIS 数据分析、模糊地理对象建模和粗糙集与其它软计算方法的结合等六方面概述了粗糙集理论在GIS 数据处理中应用的进展-This paper introduces the basic concepts of rough set theory, including the equivalence relation, can not distinguish be
Bigdata-analysis
- 市场测量数据分析与数据挖掘平台数据集成服务设计 -Marketing measurement data analysis and data mining platform data integration service design
LDA
- python数据分析与数据挖掘 chapter15-python data analysis and data mining chapter15
BIG-DATA--POWER-SYSTEM
- 广域测量系统实测信息及故障集仿真结果构成了电网时空大数据，如何采用大数据技术对它们进行快速、高效地挖掘，实现大电网在线安全评估与防御是智能电网核心目标之一。从电网广域时空量测信息角度，解释了电网时空大数据的内涵，提出大电网在线稳定态势评估与自适应防御体系(stability situation assessment and adaptive defense control system，ST-SADC)的整体架构及关键技术。ST-SADC 以大数据分析与处理为底层技术支撑，基于广域时空量测信息实
gndex-dispatch
- 此程序源码为算法分析与设计中的棋盘覆盖问题,以经过调试,可以根据需要在源码中改棋盘大小,()
第9章 聚类分析
- 大数据挖掘，主要包括：数据的分类与聚类分析、智能算法、(Classification and cluster analysis of data)
wfxyz
- 混沌时间序列分析与预测工具箱,包括了混沌时间序列分析的很多方法和预测方法,()
数据挖掘中聚类算法研究进展_周涛
- 聚类分析是数据挖掘中重要的研究内容之一，对聚类准则进行了总结，对五类传统的聚类算法的研究 现状和进展进行了较为全面的总结，就一些新的聚类算法进行了梳理，根据样本归属关系、样本数据预处理、 样本的相似性度量、样本的更新策略、样本的高维性和与其他学科的融合等六个方面对聚类中近 20多个新算 法，如粒度聚类、不确定聚类、量子聚类、核聚类、谱聚类、聚类集成、概念聚类、球壳聚类、仿射聚类、数据流聚 类等，分别进行了详细的概括。(Clustering analysis is one of the impor
dtcwpt_code
- 双树复小波变换和双树复小波包变换代码，包含解释文件与相关分析(Double tree complex wavelet transform and double tree complex wavelet packet transform codes, including interpretation files and correlation analysis)
大数据在物流行业的应用
- 物流大数据就是通过海量的物流数据，即运输、仓储、搬运装卸、包装及流通加工等物流环节中涉及的数据、信息等，挖掘出新的增值价值，通过大数据分析可以提高运输与配送效率，减少物流成本，更有效地满足客户服务要求。