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. 09年自考管理系统中计算机应用简答

  2. 09年自考管理系统中计算机应用简答 第一章　计算机应用与企业管理现代化 　　1. 简述管理信息的作用？* 本P10 　　2. 何为企业中物流和信息流？二者有什么区别和联系？ 　　3. 管理信息具有哪些特点？* 本P36 　　4. 简述管理信息常用的分类方法？P14 　　5. 工业企业中的固定信息主要由哪些部分组成？P15 　　6. 简述管理信息处理的内容？* 本P48 　　7. 什么是原始信息收集和二次信息收集？两种收集的关键问题是什么？P15 　　8. 试述现代企业对信息处理的要求* 本P6

  3. 所属分类：网络基础

    • 发布日期：2009-07-05
    • 文件大小：26624
    • 提供者：sz_lotus

  1. 基于粗糙集的决策表知识约简研究

  2. 在知识发现过程中，由于待处理的数据集有时带有噪声或不完整，因此需要能处理不精确、不确定数据的理论和方法。粗糙集理论正是满足这种要求的新型数学工具。基于粗糙集的知识发现过程，就是利用粗糙集理论与方法从数据中挖掘出新颖的、有用的非平凡的模式过程。围绕知识约简这个核心研究问题，分别从差别矩阵、启发式信息及数据库系统的角度对知识约简进行了深入研究。将粗糙集引入Vague目标信息系统，讨论了Vague目标信息系统的知识约简问题。相关主要工作有以下几方面： 现有差别矩阵只适用于一致或部分一致决策表，对于完

  3. 所属分类：其它

    • 发布日期：2009-07-26
    • 文件大小：829440
    • 提供者：yanfox

  1. 数据挖掘概念与技术.pdf

  2. 数据挖掘概念与技术：介绍什么是数据挖掘，什么是数据库中知识发现，值得一读

  3. 所属分类：专业指导

    • 发布日期：2009-09-06
    • 文件大小：1048576
    • 提供者：jszzj

  1. 数据挖掘 / 知识发现的算法

  2. 数据挖掘，又称为数据库中知识发现（Knowledge Discovery in Databases）或知识发现，它是一个从大量数据中抽取挖掘出未知的、有价值的模式或规律等知识的非平凡过程，它与数据仓库有着密切的联系

  3. 所属分类：其它

    • 发布日期：2009-09-08
    • 文件大小：463872
    • 提供者：yangzhifeng045

  1. 数据挖掘神经网络算法

  2. 　　数据挖掘(Data Mining)，就是从大量数据中获取有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程。数据挖掘的广义观点：数据挖掘就是从存放在数据库，数据仓库或其他信息库中的大量的数据中“挖掘”有趣知识的过程。数据挖掘，又称为数据库中知识发现(Knowledge Discovery in Database, KDD)， 也有人把数据挖掘视为数据库中知识发现过程的一个基本步骤。知识发现过程以下步骤组成：（1）数据清理，（2）数据集成，（3）数据选择，（4）数据变换，（5）数据挖掘

  3. 所属分类：网络基础

    • 发布日期：2009-09-18
    • 文件大小：291840
    • 提供者：fanxy5506292

  1. 数据挖掘相关算法神经网络算法

  2. 　　数据挖掘(Data Mining)，就是从大量数据中获取有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程。数据挖掘的广义观点：数据挖掘就是从存放在数据库，数据仓库或其他信息库中的大量的数据中“挖掘”有趣知识的过程。数据挖掘，又称为数据库中知识发现(Knowledge Discovery in Database, KDD)， 也有人把数据挖掘视为数据库中知识发现过程的一个基本步骤。知识发现过程以下步骤组成：（1）数据清理，（2）数据集成，（3）数据选择，（4）数据变换，（5）数据挖掘

  3. 所属分类：其它

    • 发布日期：2009-09-18
    • 文件大小：970752
    • 提供者：fanxy5506292

  1. 数据挖掘:概念与技术

  2. 本书是一个导论，介绍什么是数据挖掘，什么是数据库中知识发现。书中的材料从数据库角度 提供，特别强调发现隐藏在大型数据集中有趣数据模式的数据挖掘基本概念和技术。所讨论的实现 方法主要面向可规模化的、有效的数据挖掘工具开发

  3. 所属分类：专业指导

    • 发布日期：2009-10-30
    • 文件大小：1048576
    • 提供者：lsjjenny

  1. 数据瓦据概念与技术(韩家玮)，共268页

  2. 数据挖掘步骤可以与用户或知识库交互。有趣的模式提供给用户，或作为新的知识存放在知识 库中。注意，根据这种观点，数据挖掘只是整个过程中的一步，尽管是最重要的一步，因为它发现 隐藏的模式。 我们同意数据挖掘是知识发现过程的一个步骤。然而，在工业界、媒体和数据库研究界，“数 据挖掘”比较长的术语“数据库中知识发现”更流行。因此，在本书中，我们选用术语数据挖掘。 我们采用数据挖掘的广义观点：数据挖掘是从存放在数据库、数据仓库或其它信息库中的大量数据 挖掘有趣知识的过程。

  3. 所属分类：专业指导

    • 发布日期：2009-11-30
    • 文件大小：16777216
    • 提供者：nbx5267

  1. 数据挖掘-概念与技术

  2. 韩家炜的，一本好书。本书是一个导论，介绍什么是数据挖掘，什么是数据库中知识发现。

  3. 所属分类：专业指导

    • 发布日期：2010-02-23
    • 文件大小：1048576
    • 提供者：ningjieshuijing

  1. 数据挖掘概念与技术.pdf

  2. 数据挖掘工具书，浙大版视频教科书 本书是一个导论，介绍什么是数据挖掘，什么是数据库中知识发现。书中的材料从数据库角度 提供，特别强调发现隐藏在大型数据集中有趣数据模式的数据挖掘基本概念和技术。所讨论的实现 方法主要面向可规模化的、有效的数据挖掘工具开发。本章，你将学习数据挖掘如何成为数据库技 术自然进化的一部分，为什么数据挖掘是重要的，以及如何定义数据挖掘。你将学习数据挖掘系统 的一般结构，并考察挖掘的数据种类，可以发现的数据类型，以及什么样的模式提供有用的知识。 除学习数据挖掘系统的分类之外

  3. 所属分类：专业指导

    • 发布日期：2010-03-15
    • 文件大小：1048576
    • 提供者：xclxxl414

  1. Arcgis教程（空间信息挖掘 知识发现）

  2. 在GIS发展的早期，专业人士主要关注于数据编辑或者集中于应用工程，以及主要把精力花费在创建GIS数据库并构造地理信息和知识。慢慢的，GIS的专业人士开始在大量的GIS应用中使用这些知识信息库。用户应用功能全面的GIS工作站来编辑地理数据集，建立数据编辑和质量控制的工作流，创建地图和分析模型并将这些工作和方法记录成文档。这加强了GIS用户的传统观念，这些用户往往拥有连接在数据集和数据库上的专业工作站。这种工作站拥有复杂的GIS应用以及用来实现几乎所有GIS任务的逻辑和工具。 　　这种对GIS软件

  3. 所属分类：专业指导

    • 发布日期：2010-08-12
    • 文件大小：12582912
    • 提供者：chuhanyu

  1. 数据挖掘 概念与技术 值得学习

  2. 数据挖掘概念与技术 本书是一个导论，介绍什么是数据挖掘，什么是数据库中知识发现。书中的材料从数据库角度 提供，特别强调发现隐藏在大型数据集中有趣数据模式的数据挖掘基本概念和技术。所讨论的实现 方法主要面向可规模化的、有效的数据挖掘工具开发。本章，你将学习数据挖掘如何成为数据库技 术自然进化的一部分，为什么数据挖掘是重要的，以及如何定义数据挖掘。你将学习数据挖掘系统 的一般结构，并考察挖掘的数据种类，可以发现的数据类型，以及什么样的模式提供有用的知识。 除学习数据挖掘系统的分类之外，你将看到建立

  3. 所属分类：专业指导

    • 发布日期：2010-12-30
    • 文件大小：1048576
    • 提供者：liuzujun0608

  1. 数据挖掘概念与技术 本书是一个导论，介绍什么是数据挖掘，什么是数据库中知识发现。

  2. 数据挖掘概念与技术 本书是一个导论，介绍什么是数据挖掘，什么是数据库中知识发现。书中的材料从数据库角度 提供，特别强调发现隐藏在大型数据集中有趣数据模式的数据挖掘基本概念和技术。所讨论的实现 方法主要面向可规模化的、有效的数据挖掘工具开发。本章，你将学习数据挖掘如何成为数据库技 术自然进化的一部分，为什么数据挖掘是重要的，以及如何定义数据挖掘。你将学习数据挖掘系统 的一般结构，并考察挖掘的数据种类，可以发现的数据类型，以及什么样的模式提供有用的知识。 除学习数据挖掘系统的分类之外，你将看到建立

  3. 所属分类：专业指导

    • 发布日期：2011-01-21
    • 文件大小：1048576
    • 提供者：honestface

  1. 数据库中的知识隐藏 论文

  2. 伴随着数据共享、隐私保护、知识发现等多重需求而产生的勿, 成为数据挖掘和信息安全领域近几年来的研究热点中主要考虑两个层面的问题一是敏感数据的隐藏与保护二 是数据中蕴涵的敏感知识的隐藏与保护, 简称对目前的技术进行分类和综述首先介绍月产生的背景, 然后着重讨论敏感关联规则隐藏技术和分类规则隐藏技术,接着探讨方法的评估指标,最后归结出后续研究的个方向数据修改技巧中基于目标距离的优化测度函数设计、数据重构技巧 中的反向频繁项集挖掘以及基于数据抽样技巧的通用知识隐藏方法设计

  3. 所属分类：专业指导

    • 发布日期：2011-01-27
    • 文件大小：1048576
    • 提供者：Alice_lmn

  1. 数据挖掘/ 知识发现 算法

  2. 1.1 数据挖掘 / 知识发现 （1）数据挖掘是从存放在数据集中的大量数据挖掘出有趣知识的过程。 （2）数据挖掘，又称为数据库中知识发现（Knowledge Discovery in Databases）或知识发现，它是一个从大量数据中抽取挖掘出未知的、有价值的模式或规律等知识的非平凡过程，它与数据仓库有着密切的联系。 （3）广义的数据挖掘是指知识发现的全过程；狭义的数据挖掘是指统计分析、机器学习等发现数据模式的智能方法，即偏重于模型和算法。 （4）数据库查询系统和专家系统不是数据挖掘！在小规

  3. 所属分类：Web开发

    • 发布日期：2011-04-19
    • 文件大小：463872
    • 提供者：justin973

  1. 数据挖掘_-_概念与技术

  2. 数据挖掘_-_概念与技术 数据挖掘_-_概念与技术 Data Mining: Concepts and Techniques J. Han and M. Kamber Morgan Kaufmann ，介绍什么是数据挖掘，什么是数据库中知识发现。书中的材料从数据库角度 提供，特别强调发现隐藏在大型数据集中有趣数据模式的数据挖掘基本概念和技术。所讨论的实现 方法主要面向可规模化的、有效的数据挖掘工具开发。本章，你将学习数据挖掘如何成为数据库技 术自然进化的一部分，为什么数据挖掘是重要的，以及如何

  3. 所属分类：SQLServer

    • 发布日期：2012-01-18
    • 文件大小：1048576
    • 提供者：redbba

  1. 数据挖掘技术在煤矿机械故障诊断中的应用

  2. 数据挖掘是数据库中知识发现过程的一个重要步骤,广泛应用于机械等多个领域。介绍了一种基于数据挖掘技术的煤矿机械故障诊断方法,数据仓库的设计思想和框架、事实表和维表的设计、数据仓库的实现过程、数据挖掘的实现步骤,详细介绍了煤矿机械故障诊断的实现。

  3. 所属分类：其它

    • 发布日期：2020-05-27
    • 文件大小：301056
    • 提供者：weixin_38639872

  1. KDD:2021年夏季在弗里德里希-亚历山大大学埃尔兰根-纽伦堡分校举行的数据库知识发现讲座的讲义-源码

  2. 数据库中的知识发现（KDD） 本讲座涵盖以下主题： 在大型数据集上进行数据挖掘的特殊挑战。 可用于数据分析的技术。 提供这些技术的系统。 数据挖掘的过程。 应用程序。 请注意，本讲座是一个非正式的概述，而不是对该主题的正式介绍。 演讲幻灯片 。 。 。 。 。 频繁的模式。 分类。 聚类分析。 离群值检测。 参考 韩佳薇，坎伯·米歇琳，裴健：数据挖掘：概念和技术。 第三版。 马萨诸塞州沃尔瑟姆：Morgan Kaufmann，2012年（数据管理系统中的Morga

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：16777216
    • 提供者：weixin_42168902

  1. 数据挖掘：用于数据清理，在结构化，文本和Web数据中查找模式的技术； 适用于客户关系管理，欺诈检测和国土安全等领域-源码

  2. 数据挖掘 涵盖的领域包括关联分析，分类，聚类，文本挖掘，Web挖掘，图形和流时间序列挖掘。 我学到： 确定数据挖掘和KDD（来自数据库的知识发现）的过程。 分析不同数据挖掘和KDD算法的适用性。 设计算法以解决与分类和聚类有关的问题，并从数据库中识别关联规则。 应用文本挖掘，Web挖掘，图挖掘以及流和时间序列挖掘的概念和算法。 评估数据挖掘和KDD算法的性能。 比较和对比不同数据挖掘算法的性能 评估数据挖掘算法的可伸缩性。 分析影响数据挖掘效率的数据特征。 检查数据挖掘和KDD算

  3. 所属分类：其它

    • 发布日期：2021-03-01
    • 文件大小：76546048
    • 提供者：weixin_42132598

  1. 集值有序信息系统中更新逼近的增量方法

  2. 增量学习是一种用于动态数据库中知识发现的有效技术，它使您能够从新数据中获取更多知识，而又不会忘记先前的知识。 粗糙集理论已成功用于信息系统中的分类分析。 集值信息系统是单值信息系统的广义模型，可以分为两类：析取性和析取性。 近似值是粗糙集理论的基本概念，当对象集在集合值信息系统中随时间变化时，需要对其进行增量更新。 在本文中，我们分析了随着对象集的变化而计算近似值的更新机制。 分别提出了两种用于更新析取/合并集值信息系统中的逼近的增量算法。 此外，对几个数据集进行了广泛的实验，以验证所提出算法的

  3. 所属分类：其它

    • 发布日期：2021-03-29
    • 文件大小：1048576
    • 提供者：weixin_38678394
« 12 3 4 5 6 7 8 9 10 ... 16 »