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. Web 数据挖掘 zh_CN pdf

  2. 主要内容和研究成果如下： （1）首先对 Web 数据挖掘的概念、特点、难点、分类以及 Web 数据挖掘 的流程及其在电子商务中的应用优势都作了很详尽的论述。 （2） 研究了国内中小型电子商务网站服务器数据的特点和数据的物理意义， 并以此为依据寻找合适的方法对数据进行预处理。 针对电子商务网站的浏览用户 特点，将用户分成外部登录用户和内部系统用户来分析，为聚类分析和电子商务 应用研究提供可靠、有效的数据。 （3）在理解和掌握快速聚类算法的基础上，针对K-means 快速聚类算法的 优点和缺点，结

  3. 所属分类：其它

    • 发布日期：2011-05-25
    • 文件大小：666624
    • 提供者：zhaofeng987

  1. 基于ZigBee的位置指纹法室内定位技术研究

  2. 随着全球定位系统（GPS）在室外定位中的成功应用，对定位服务在人们 日常活动的室内场所得以广泛开展的渴求日渐突出。在现有室内定位技术中， 位置指纹法由于定位成本低、方法实现灵活而逐渐成为研究的热点。然而，室 内无线信号的时变性也给位置指纹法实现精确定位带来很大的难度。因此，提 高位置指纹法在室内复杂环境下的定位性能和实用性不仅具有重要的理论价 值，而且也成为加快对其由理论研究向实际应用转变的关键。本文以ZigBee 无线网络为应用平台，对位置指纹法完成定位所需的两个阶段中涉及的相关技 术进行研

  3. 所属分类：嵌入式

    • 发布日期：2015-09-01
    • 文件大小：1048576
    • 提供者：l13186125825

  1. 数据挖掘18大算法实现以及其他相关经典DM算法

  2. 数据挖掘算法 算法目录 18大DM算法 包名 目录名 算法名 AssociationAnalysis DataMining_Apriori Apriori-关联规则挖掘算法 AssociationAnalysis DataMining_FPTree FPTree-频繁模式树算法 BaggingAndBoosting DataMining_AdaBoost AdaBoost-装袋提升算法 Classification DataMining_CART CART-分类回归树算法 Classifica

  3. 所属分类：专业指导

    • 发布日期：2016-01-05
    • 文件大小：225280
    • 提供者：huangyueranbbc

  1. 数据挖掘18大算法实现以及其他相关经典DM算法

  2. 数据挖掘算法 算法目录 18大DM算法 包名 目录名 算法名 AssociationAnalysis DataMining_Apriori Apriori-关联规则挖掘算法 AssociationAnalysis DataMining_FPTree FPTree-频繁模式树算法 BaggingAndBoosting DataMining_AdaBoost AdaBoost-装袋提升算法 Classification DataMining_CART CART-分类回归树算法 Classifica

  3. 所属分类：Java

    • 发布日期：2017-04-08
    • 文件大小：225280
    • 提供者：q6115759

  1. yolov3.zip

  2. 针对图像中小目标检测率低、虚警率高等问题,提出了一种YOLO V3的改进方法,并将其应用于小目标的检测。由于小目标所占的像素少、特征不明显,提出对原网络输出的8倍降采样特征图进行2倍上采样,将2倍上采样特征图与第2个残差块输出的特征图进行拼接,建立输出为4倍降采样的特征融合目标检测层。为了获取更多的小目标特征信息,在YOLO V3网络结构Darknet53的第2个残差块中增加2个残差单元。利用K-means聚类算法对目标候选框的个数和宽高比维度进行聚类分析。用改进的YOLO V3算法和原YOLO

  3. 所属分类：机器学习

    • 发布日期：2020-03-31
    • 文件大小：229638144
    • 提供者：zxhlldxff

  1. 零售业顾客忠诚度的模型研究与聚类挖掘

  2. 大连交通大学 硕士学位论文 零售业顾客忠诚度的模型研究与聚类挖掘 姓名：徐鹏 申请学位级别：硕士 专业：计算机应用技术 指导教师：田宏 20081220 摘要 面对市场的激烈竞争，仅依靠商品本身很难在瞪趋激烈的竞争中取胜，现今市场的 竞争，实际怒赢得顾客的竞争。因此，如何建立蹶客忠诚度模型分析顾客的忠诚度是+ 分重要的。因为这为企业如何更好的去识别和保留忠诚度高的顾客，挖掘潜在和提升顾 客忠诚度，以及预防顾客流失都起着至关重要的作用。 本文研究重点在于分析国内零售业颤客消费行为特性，探讨圈内零

  3. 所属分类：餐饮零售

    • 发布日期：2010-10-22
    • 文件大小：3145728
    • 提供者：gadflyyy

  1. 一种K-means聚类算法的改进与应用

  2. K-means算法是基于距离作为相似性度量的聚类算法，传统的K-means算法存在难以确定中心值个数、受噪声及孤立点影响较大的缺点。对此，利用类间相异度与类内相异度改进初始值K，以尽量减少人工干预；同时计算数据库中每一点与剩余点的距离和距离均和，将两者的大小比较作为识别孤立点和噪声点的依据，从而删除孤立点，减少对数据聚类划分的影响。最后将改进后的K-means算法应用于入侵检测系统并进行仿真实验，结果表明，基于改进的K-means算法的入侵检测系统一定程度上降低了误报率及误检率，提高了检测的准确

  3. 所属分类：其它

    • 发布日期：2020-10-17
    • 文件大小：514048
    • 提供者：weixin_38717359

  1. 基于组合聚类的cDNA微阵列图像分割方法

  2. 通过同时分析数千种基因表达，微阵列技术在得出有用的生物学结论中起着重要作用。 特别地，图像分析是微阵列分析中的关键步骤，其准确性在很大程度上取决于分割。 基于聚类的分割的开创性工作表明，k-means聚类算法和移动k-means聚类算法是微阵列图像处理中的两种常用方法。 然而，由于真实的微阵列图像包含大小，形状和对比度不同的噪声，伪像和斑点，因此它们通常面临令人满意的结果。 为了提高分割精度，在本文中，我们提出了一种基于组合聚类的分割方法，该方法可能更可靠并且能够自动分割斑点。 首先，这种新方法

  3. 所属分类：其它

    • 发布日期：2021-03-25
    • 文件大小：2097152
    • 提供者：weixin_38545243

  1. 基于不确定性信息的头脑风暴优化模型

  2. 头脑风暴优化是一种新的群体智能，它模仿了人类头脑风暴的过程。 本文提出了一种基于不确定性信息的改进型头脑风暴算法。 它采用亲和力传播聚类而不是k-means聚类。 同时，借鉴云滴算法的思想，引入了结合多个聚类信息的创建算子。 拟议的头脑风暴优化的特征在于无需群集数即可挖掘和利用候选解​​决方案的不确定信息。 最后，将改进后的头脑风暴优化技术应用于数值优化。 仿真结果表明，与原始算法相比，该算法具有更好的优化效果和较高的成功率。

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：180224
    • 提供者：weixin_38613548

  1. 改进的YOLO V3算法及其在小目标检测中的应用

  2. 针对图像中小目标检测率低、虚警率高等问题,提出了一种YOLO V3的改进方法,并将其应用于小目标的检测。由于小目标所占的像素少、特征不明显,提出对原网络输出的8倍降采样特征图进行2倍上采样,将2倍上采样特征图与第2个残差块输出的特征图进行拼接,建立输出为4倍降采样的特征融合目标检测层。为了获取更多的小目标特征信息,在YOLO V3网络结构Darknet53的第2个残差块中增加2个残差单元。利用K-means聚类算法对目标候选框的个数和宽高比维度进行聚类分析。用改进的YOLO V3算法和原YOLO

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：8388608
    • 提供者：weixin_38524139

  1. 尺度相关系数融合数字半色调算法

  2. 混合误差测度函数的建立是利用多尺度小波系数融合建立的边界误差测度函数和改进的K-means聚类法建立的区域误差测度函数。小波域多尺度信息通过二维离散小波变换方法得到，从空间域到小波域的变换为原来的二维图像提供了一种紧凑的多尺度表征形式。利用这一紧凑的表征形式从少数幅值较大的小波系数中捕获图像的关键特征。应用基于区域的直接二值搜索方法最小化初始图像和半色调图像的误差，得到最优数字半色调图像。实验结果表明，该算法与基于模型的数字半色调（LSMB）算法比较，半色调图像均方误差值（MSEv）值降低了0.

  3. 所属分类：其它

    • 发布日期：2021-02-07
    • 文件大小：11534336
    • 提供者：weixin_38729607

  1. 协作稀疏字典学习实现单幅图像超分辨率重建

  2. 字典的选择影响基于稀疏编码的图像超分辨率重建模型的重建质量。提出了一种基于协作稀疏表达的字典学习算法。在训练阶段，通过K-Means聚类算法将样本图像块划分为不同的聚类；构建基于同时稀疏约束条件的协作稀疏字典学习模型对每个聚类训练高、低分辨率字典；应用基于L2范数的稀疏编码模型将图像超分辨率重建过程中输入图像块由低分辨率到高分辨率的映射转变为简单的线性映射，并针对不同聚类求得相应的线性映射矩阵。在重建阶段，输入图像块通过搜索与自身结构最相似的聚类来选择相应映射矩阵获得重建后的高分辨率图像。结果表

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：8388608
    • 提供者：weixin_38543460

  1. 基于A-D模型的K-means算法在通话异常客户挖掘中的应用

  2. 为能够利用海量的语音通信记录，高质量地对各种语音通信行为异常的客户（电信诈骗客户、广告客户等）进行聚类分析，设计构建了语音通信异常客户的行为特征模型，并基于该模型提出了一种语音通信行为异常客户的聚类分析算法。首先，通过分析客户的通话记录得出客户通话次数、接通率等通话行为特征，然后将AHP模型与DEMATEL方法融合，构建语音通信行为异常客户的行为特征模型（AHP-DEMATEL模型）；其次，基于该模型提出了一种改进的K-means算法，实现根据语音通信记录对异常客户进行聚类分析。最后，使用真实数

  3. 所属分类：其它

    • 发布日期：2021-01-19
    • 文件大小：623616
    • 提供者：weixin_38648309