您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 基于人工免疫系统的数据挖掘

  2. 该文首先对人工免疫系统的发展历史和自然免疫系统机制进行简要介绍,之后重点对人工免疫系统在数据挖 掘领域中的原理与应用研究进行详细分析综述。主要分两个部分,第一部分是从数据挖掘的主要任务— — 聚类和分类角 度阐述人工免疫系统应用现状,第二部分主要从数据挖掘对象子领域—— 网络数据挖掘和文件挖掘角度分析人工免疫 系统的应用,同时对有代表性的方法及其改进过程进行了详细介绍,指出人工免疫数据挖掘技术中的优点和缺点。最后 提出新的研究方向。
  3. 所属分类:网络基础

    • 发布日期:2009-10-19
    • 文件大小:338944
    • 提供者:ximalaya1985
  1. 基于数据挖掘的客户价值预测方法

  2. 基于数据挖掘的客户价值预测方法 赵晓煜,黄小原 (东北大学工商管理学院,辽宁沈阳%%"""*) 摘要:提出了一种利用聚类和分类等数据挖掘技术预测客户价值的新方法·通过对客户历 史交易数据的分析,获得能够综合反映老客户忠诚度和价值度的指标·基于该指标对老客户进行 聚类,将老客户划分为若干个不同价值的客户群,即为每个老客户赋予一个价值等级标号·利用朴 素贝叶斯分类方法来预测新客户(或潜在客户)的价值,并依据预测结果来制定相应的重点客户发 展战略·实例验证了该方法的有效性和可行性· 关键词:数据挖掘
  3. 所属分类:C

    • 发布日期:2010-09-26
    • 文件大小:153600
    • 提供者:gadflyyy
  1. 一种基于相容关系的聚类算法

  2. 摘要: 聚类分析是数据挖掘中一个重要研究内容。传统的聚类算法可划分为硬聚类和模糊聚类两大类, 提出 一种基于对象集上的相容关系的聚类算法, 该算法通过极大相容簇来对数据对象集进行分类, 使得同一对象可 以属于不同的簇, 而每个簇又有自己独有的成员对象, 从而得到既不同于硬聚类也不同于模糊聚类的聚类效果。 实验进一步表明了该算法的聚类的合理性。
  3. 所属分类:其它

    • 发布日期:2010-11-25
    • 文件大小:681984
    • 提供者:gaoyang9870
  1. K均值和核聚类对二维数据的分类效果比较(附有测试数据)

  2. K均值和核聚类对二维数据的分类效果比较(附有测试数据) 最近一直在做聚类方面的学习,写了一些关于K均值和核聚类方面的代码,共享给大家,希望对大家学习聚类有所帮助。
  3. 所属分类:其它

    • 发布日期:2011-06-09
    • 文件大小:32768
    • 提供者:zhaodongff
  1. UCI聚类数据

  2. 聚类、分类数据挖掘使用的数据,可以使用它作为实验数据。里面包括很多种类数据
  3. 所属分类:IT管理

    • 发布日期:2012-05-02
    • 文件大小:1048576
    • 提供者:ying310060082
  1. 聚类融合算法综述

  2. 在分类算法和回归模型中,正广泛而且成功地使用着融合方法,该方法能克服分类、回归中的不稳定 性,并给出较好的结果。在非监督机器学习领域,由于缺乏数据集的先验知识,所以分类和回归中的融合方法就 不能直接用于聚类算法,这导致了该领域中对融合方法研究的起步较晚;近几年的研究和实验表明,聚类融合方 法能很好地提高聚类算法的鲁棒性和稳定性。对近年来聚类融合的方法进行了综述,阐述了近年来对聚类融合 方法进行研究的主要内容与特点,并讨论了聚类融合方法的研究方向
  3. 所属分类:互联网

    • 发布日期:2013-04-21
    • 文件大小:122880
    • 提供者:u010390833
  1. 聚类分析-文本自动聚类技术

  2. 聚类分析就是按照一定的规律和要求对事物 进行区分和分类的过程,在这一过程中没 有任何关于类分的先验知识,没有指导, 仅靠事物间的相似性作为类属划分的准则
  3. 所属分类:专业指导

    • 发布日期:2008-10-16
    • 文件大小:990208
    • 提供者:yxh0612
  1. 关于膜计算的聚类算法

  2. 膜计算是一种分布式、并行计算模型,又被称为 P 系统。膜计算旨在从生命细胞的 结构和功能以及组织、器官和高级生物组织中细胞群的协作中抽象出计算模型,具有分 布式、极大并行性、非确定性等特点。膜计算已广泛地应用于众多领域。 聚类分析是一种无监督学习过程。数据聚类是将一组数据划分到不同的组或簇中, 使得同一组中的模式尽可能地相似而不同组中的尽可能地相异。与分类不同,用于聚类 的数据没有事先定义好的类标签。通过聚类希望寻找到数据集中数据的自然结构。
  3. 所属分类:其它

    • 发布日期:2015-04-22
    • 文件大小:1048576
    • 提供者:zhuanjiao258
  1. 广义神经网络的聚类算法-网络入侵聚类

  2. 本案例结合了模糊聚类的无监督聚类和广义神经网络的有监督学习功能,完成了对未知网络入侵数据的聚类,广义神经网络所起的作用为训练后分类所有入侵样本。
  3. 所属分类:机器学习

    • 发布日期:2018-08-21
    • 文件大小:25600
    • 提供者:qq_28919631
  1. 面向契约型客户细分的动态粗糙聚类算法.pdf

  2. 对传统聚类技术无法处理客户细分领域聚类结构随时间变动的问题,提出一种面向契约型客户细分的动态粗糙聚 类算法.该算法使用粗糙k-m锄s构建初始分类器,利用客户契约在不同聚类周期内的生效和失效制定分类器参数的更新规 则,从而迭代更新聚类结构.同时在各周期聚类结果的基础上定义了类规模和粗糙度变化的指标,在此基础上度量由聚类对象 增减引起的类稳定性和不确定性的改变.该算法的优点是在实现动态聚类时能兼顾聚类对象的增减和聚类结构的变化,并且考 虑了契约型客户的特点和数据集的不平衡性.最后给出一个电力客户细分
  3. 所属分类:互联网

    • 发布日期:2020-05-15
    • 文件大小:1048576
    • 提供者:nczfkb
  1. 基于聚类和K近邻算法的井下人员定位算法

  2. 针对现有基于指纹模的井下定位算法存在的计算量大、实时性低、定位精度较低的问题,提出了基于聚类和K近邻算法的井下人员定位算法。用二分kmeans聚类算法对采集的RSSI数据进行分类,建立离线指纹数据库;无线移动终端和动态修正器实时采集RSSI值,分别存储到在线定位数据库和动态修正数据库;根据待测点和动态修正器的离线数据和实时数据,采用软硬件动态修正加权K近邻算法计算权重值,结合离线指纹数据库中待测点的物理位置信息估算其实时位置。实验分析结果表明,所提定位算法的最小标准误差为0.46 m,最大标准
  3. 所属分类:其它

    • 发布日期:2020-05-09
    • 文件大小:1048576
    • 提供者:weixin_38651540
  1. 基于SOM网络和归一化切割(Ncut)的双层聚类和可视化(光线投射算法)

  2. 与一维传递函数相比,多维传递函数可以对体积对象进行更复杂的分类。但 是,当传递函数空间的维数超过 3-D 时,将其可视化和操作是不直观的,这使得 用户交互变得困难。所以针对多维传递函数的设计问题,提出了一种二维聚类方 法。一阶自组织图聚类(SOM)将高维特征数据投影到二维拓扑保留图中。二 阶聚类降低了 SOM 神经元的设计自由度。从大量的 SOM 神经元到可管理的簇。 在提供信息的 SOM 网络的指导下,用户通过选择集群以交互方式发现体素中有 趣的结构,在必要时可视化和修改集群结果。我们的界面跟
  3. 所属分类:医疗

    • 发布日期:2020-06-21
    • 文件大小:11534336
    • 提供者:weixin_38616018
  1. K-均值聚类算法研究

  2. 【摘要】 目前,对于聚类问题的研究普遍存在于社会生活中的各个领域,如模式识别、图像处理、机器学习和统计学等。关于对生活中各种各样的数据的聚类分类问题已经成为众多学者的研究热题之一。聚类和分类的区别在于,聚类没有任何先验知识可循,要通过数据自身的特点,将数据自动的划分到不同的类别中。聚类的基本形式定义为“在已给的数据集合中寻找数据点集的同类集合。每一个集合叫做一个类,并确定了一个区域,在区域中对象的密度高于其他区域中的密度。”聚类方法有很多种,其中最简单的形式便是划分式聚类,划分式聚类试图将给定的
  3. 所属分类:互联网

    • 发布日期:2020-07-04
    • 文件大小:3145728
    • 提供者:songzailu6482
  1. 嵌入式系统/ARM技术中的一种基于密度的聚类的算法

  2. 将物理或抽象对象的集合分成由类似的对象组成的多个类的过程被称为聚类。由聚类所生成的簇是一组数据对象的集合,这些对象与同一个簇中的对象彼此相似,与其他簇中的对象相异目前,它已成为数据挖掘研究领域中一个非常活跃的研究方向。聚类分析技术在模式识别、数据分析、图像处理和市场研究等许多领域得到了广泛的应用。   许多算法被设计用来聚类数值类型的数据。但是,应用可能要求聚类其他类型的数据,如二元类型(binary),分类/标称类型(categorical/nominal),序数型(ordinal)数据,或
  3. 所属分类:其它

    • 发布日期:2020-10-23
    • 文件大小:209920
    • 提供者:weixin_38621565
  1. K-means聚类算法介绍与利用python实现的代码示例

  2. 聚类 今天说K-means聚类算法,但是必须要先理解聚类和分类的区别,很多业务人员在日常分析时候不是很严谨,混为一谈,其实二者有本质的区别。 分类其实是从特定的数据中挖掘模式,作出判断的过程。比如Gmail邮箱里有垃圾邮件分类器,一开始的时候可能什么都不过滤,在日常使用过程中,我人工对于每一封邮件点选“垃圾”或“不是垃圾”,过一段时间,Gmail就体现出一定的智能,能够自动过滤掉一些垃圾邮件了。这是因为在点选的过程中,其实是给每一条邮件打了一个“标签”,这个标签只有两个值,要么是“垃圾”,要么“
  3. 所属分类:其它

    • 发布日期:2020-12-24
    • 文件大小:344064
    • 提供者:weixin_38504687
  1. 音调聚类和音乐推荐系统-源码

  2. 自由音乐存档音乐分析体裁预测和歌曲推荐 项目说明:Spotify和Shazam等创新型公司以非常聪明的方式利用音乐数据为用户提供出色的服务。 他们使用推荐算法和自动类型分类,这极大地有助于增加用户体验。 通过该项目,我们旨在在提供音乐功能时执行流派分类和音乐推荐的任务。 我们的主要目标是为Spotify和Pandora等公司创建音乐推荐系统和播放列表生成器。 音乐风格的推论虽然似乎是人类头脑的先天性,但对于机器学习社区而言仍然是一项艰巨的任务。 我们使用了各种机器学习算法来实现我们的目标。 我们
  3. 所属分类:其它

    • 发布日期:2021-03-04
    • 文件大小:1048576
    • 提供者:weixin_42117340
  1. SpotifyAnalysis:分析了Kaggle上的Spotify数据集,以预测歌曲和流派特征以及理想的发行月份,以使用逻辑回归,K-均值聚类和分类树在Spotify上最大限度地提高歌曲的知名度-源码

  2. SpotifyAnalysis:分析了Kaggle上的Spotify数据集,以预测歌曲和流派特征以及理想的发行月份,以使用逻辑回归,K-均值聚类和分类树在Spotify上最大限度地提高歌曲的知名度
  3. 所属分类:其它

    • 发布日期:2021-02-25
    • 文件大小:1048576
    • 提供者:weixin_42134240
  1. 学习马氏距离度量以进行数据聚类和分类

  2. 距离度量是许多机器学习算法中的关键问题。 本文考虑了必须以链接和不能链接的形式从成对约束中学习的一般问题。 作为一种辅助信息,必须链接表示两个数据点对必须在同一类中,而不能链接表示两个数据点必须在两个不同类中。 给定必须链接和不能链接的信息,我们的目标是学习马氏距离度量。 在此度量标准下,我们希望必须链接中的点对的距离尽可能小,而不能链接中的点对的距离则尽可能大。 将该任务表述为一个约束优化问题,可以有效,高效地获得全局最优值。 最后,给出了在数据聚类,交互式自然图像分割和人脸姿态估计中的一些应
  3. 所属分类:其它

    • 发布日期:2021-02-22
    • 文件大小:917504
    • 提供者:weixin_38660579
  1. 使用R语言的业务分析:使用R Studio分析和可视化wooldridge.db数据的预测,分类,聚类和丢失数据解释-源码

  2. 具有R语言的业务分析 使用R Studio预测,分类,聚类和缺少数据解释,以分析和可视化wooldridge.db的数据。
  3. 所属分类:其它

    • 发布日期:2021-02-17
    • 文件大小:4194304
    • 提供者:weixin_42131790
  1. TSML.jl:一个用于时间序列数据处理,分类,聚类和预测的软件包-源码

  2. 文献资料 建置状态 帮助 随着时间的推移观星人 TSML(时序机器学习) TSML是用于时间序列数据处理,分类,聚类和预测的软件包。 它使用通用API结合了Python的ScikitLearn(通过其互补的软件包)和Julia ML的ML库,并允许无缝集成和集成异构ML库以创建复杂的模型,以进行可靠的时间序列预测。 该包的设计/框架受Samuel Jenkins的和包的影响很大。 TSML在Julia 1.0及更高版本中针对Linux,MacOS和Windows进行了积极开发和测试。 链接到
  3. 所属分类:其它

    • 发布日期:2021-03-31
    • 文件大小:2097152
    • 提供者:weixin_42152298
« 12 3 4 5 6 7 8 9 10 ... 31 »