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. 数据挖掘在各行业的应用论文

  2. 数据挖掘在各行业的应用论文 数据仓库与数据挖掘.caj 空间数据挖掘技术.caj 数据仓库与数据挖掘技术及其在科技情报业的应用前景.caj 相关案件的数据挖掘.caj 数据挖掘技术.caj 一种实时过程控制中的数据挖掘算法研究.caj EIS 环境下的数据挖掘技术的研究.caj 数据挖掘及其工具的选择.caj 数据挖掘技术与中国商业银行业务发展策略.caj 数据挖掘工具DMTools的设计与实现.caj 数据仓库、数据挖掘在银行中的应用.caj 基于信息熵的地学空间数据挖掘模型.caj 数据挖

  3. 所属分类：其它

    • 发布日期：2010-04-19
    • 文件大小：13631488
    • 提供者：liaosaien

  1. 贝叶斯理论的可靠性评估方法及在数控系统评估中的运用

  2. 数控系统故障概率符合威布尔分布如 果 以 威 布 尔 分 布 来 构 造 似 然 函 数 运 用 方 法 进行可靠性估计将涉及大量的积分运算 并且不便于选择合适的先验分布 为了减小计算工作量和提高评估效率将威布尔分布转化为指数分布 并取倒伽玛分布为先验分布采 用 先 验 矩 的 方 法 估 计 先 验 分布的超参数利用伽玛函数性质进行指数分布参数的估计并转化为威布尔分布特征寿命参数的点估计和区间估计进一步推导计算其他可靠性指标 给出数字实例证明该方法可行

  3. 所属分类：专业指导

    • 发布日期：2012-06-22
    • 文件大小：248832
    • 提供者：hqxzcy

  1. VC++数字图像模式识别技术及工程实践

  2. 目录 第1章 绪论 1.1 模式和模式识别的概念 1.2 模式空间、特征空间和类型空间 1.3 模式识别系统的构成 1.3.1 信息获取 1.3.2 预处理 1.3.3 特征提取和选择 1.3.4 分类决策 1.4 物体的结构表示 1.5 图片识别问题 第2章 模式识别中的基本决策方法 2.1 基于最小错误率的贝叶斯决策 2.2 分类器设计 2.2.1 多类情况 2.2.2 两类情况 2.3 关于分类器的错误率 2.4 关于贝叶斯决策 2.5 线性判别函数的基本概念 2.6 设计线性分类器的主

  3. 所属分类：C++

    • 发布日期：2013-05-16
    • 文件大小：14680064
    • 提供者：a121649982

  1. Visual C++数字图像模式识别技术及工程实践工程源代码

  2. 第1章 绪论 1.1 模式和模式识别的概念 1.2 模式空间、特征空间和类型空间 1.3 模式识别系统的构成 1.3.1 信息获取 1.3.2 预处理 1.3.3 特征提取和选择 1.3.4 分类决策 1.4 物体的结构表示 1.5 图片识别问题 第2章 模式识别中的基本决策方法 2.1 基于最小错误率的贝叶斯决策 2.2 分类器设计 2.2.1 多类情况 2.2.2 两类情况 2.3 关于分类器的错误率 2.4 关于贝叶斯决策 2.5 线性判别函数的基本概念 2.6 设计线性分类器的主要步骤

  3. 所属分类：C++

    • 发布日期：2013-05-17
    • 文件大小：14680064
    • 提供者：a121649982

  1. 数据挖掘各行业应用论文

  2. 数据挖掘在各行业的应用论文 数据仓库与数据挖掘.caj 空间数据挖掘技术.caj 数据仓库与数据挖掘技术及其在科技情报业的应用前景.caj 相关案件的数据挖掘.caj 数据挖掘技术.caj 一种实时过程控制中的数据挖掘算法研究.caj EIS 环境下的数据挖掘技术的研究.caj 数据挖掘及其工具的选择.caj 数据挖掘技术与中国商业银行业务发展策略.caj 数据挖掘工具DMTools的设计与实现.caj 数据仓库、数据挖掘在银行中的应用.caj 基于信息熵的地学空间数据挖掘模型.caj 数据挖

  3. 所属分类：数据库

    • 发布日期：2013-06-20
    • 文件大小：13631488
    • 提供者：caiyewen1992

  1. 数据挖掘论文合集-242篇（part1）

  2. EIS 环境下的数据挖掘技术的研究.caj FCC油品质量指标智能监测系统的数据挖掘与修正技术.caj IDSS 中数据仓库和数据挖掘的研究与实现.caj InternetWeb数据挖掘研究现状及最新进展.caj Internet数据挖掘原理及实现.caj Min-Max模糊神经网络的应用研究.pdf OLAP与数据挖掘一体化模型的分析与讨论.caj OLAP和数据挖掘技术在Web日志上的应用.caj ON-LINE REDUCING MACHINING ERRORS IN BORING OP

  3. 所属分类：其它

    • 发布日期：2009-01-13
    • 文件大小：10485760
    • 提供者：night_furry

  1. 数据挖掘论文合集-242篇（part2）

  2. EIS 环境下的数据挖掘技术的研究.caj FCC油品质量指标智能监测系统的数据挖掘与修正技术.caj IDSS 中数据仓库和数据挖掘的研究与实现.caj InternetWeb数据挖掘研究现状及最新进展.caj Internet数据挖掘原理及实现.caj Min-Max模糊神经网络的应用研究.pdf OLAP与数据挖掘一体化模型的分析与讨论.caj OLAP和数据挖掘技术在Web日志上的应用.caj ON-LINE REDUCING MACHINING ERRORS IN BORING OP

  3. 所属分类：其它

    • 发布日期：2009-01-13
    • 文件大小：10485760
    • 提供者：mathlf2015

  1. 数据挖掘论文合集-242篇（part3）

  2. EIS 环境下的数据挖掘技术的研究.caj FCC油品质量指标智能监测系统的数据挖掘与修正技术.caj IDSS 中数据仓库和数据挖掘的研究与实现.caj InternetWeb数据挖掘研究现状及最新进展.caj Internet数据挖掘原理及实现.caj Min-Max模糊神经网络的应用研究.pdf OLAP与数据挖掘一体化模型的分析与讨论.caj OLAP和数据挖掘技术在Web日志上的应用.caj ON-LINE REDUCING MACHINING ERRORS IN BORING OP

  3. 所属分类：其它

    • 发布日期：2009-01-13
    • 文件大小：5242880
    • 提供者：hutingt77

  1. 基于动态贝叶斯网络的战场信息预测与评估_陈固胜

  2. 现代信息化战争中，战场态势估计己经成为支撑现代作战指挥决策的核心技术之 一。战场态势估计的实质是基于战场信息的决策级上的推理过程。目前战场态势估计的 主要问题包括：（侦察手段有限，获得的态势信息具有不确定性；（现有的态势估 计侧重于对敌杀伤预测，忽略了自身安全。因此根据动态不确定性战场信息完成态势估 计为战场指挥员提供科学辅助决策成为当前亟需解决的问题。 鉴于动态贝叶斯网络在处理动态不确定性问题方面的优势。本文提出了基于动态贝 叶斯网络的战场信息预测与评估。本文完成的主要工作包括： 论证基于动

  3. 所属分类：机器学习

    • 发布日期：2018-04-12
    • 文件大小：5242880
    • 提供者：hustjq

  1. 数据运营思维导图

  2. 数据运营 作用&意义 知错能改，善莫大焉 —错在哪里，数据分析告诉你 运筹帷幄，决胜千里 —怎么做好“运筹”，数据分析告诉你 以往鉴来，未卜先知 —怎么发现历史的规律以预测未来，数据分析告诉你 工作思维 对业务的透彻理解是数据分析的前提 数据分析是精细化运营，要建立起体系化思维（金字塔思维） 自上而下 目标—维度拆解—数据分析模型—发现问题—优化策略 自下而上 异常数据 影响因素 影响因素与问题数据之间的相关关系 原因 优化策略 数据化运营7大经典思路 以目标为导向，学会数据拆分 细分到极致

  3. 所属分类：互联网

    • 发布日期：2018-04-26
    • 文件大小：68157440
    • 提供者：zzwin1006

  1. 贝叶斯动态因子模型

  2. 介绍了贝叶斯潜在动态因子的模型估计方法，写出了参数和因子的具体后验分布以及吉布斯抽样的原理。

  3. 所属分类：算法与数据结构

    • 发布日期：2018-06-05
    • 文件大小：407552
    • 提供者：xiaoyu178

  1. 【论文】贝叶斯在线学习在广告预估的应用

  2. 该论文表示这一框架已经用于腾讯广告系统的点击率预测，并获得了稳定高效的性能。该论文还详细推导展示了 PBODL 框架，并在实际试验中证明了 PBODL 相对于其他在线模型具有更好的表现

  3. 所属分类：其它

    • 发布日期：2018-06-11
    • 文件大小：2097152
    • 提供者：weixin_41023105

  1. 贝叶斯准则仿真

  2. 信号检测与估值中的贝叶斯准则仿真，代码自己编写，欢迎下载

  3. 所属分类：讲义

    • 发布日期：2018-06-23
    • 文件大小：5120
    • 提供者：sdshiwangtong

  1. 身高体重 贝叶斯分类 判别男女

  2. 利用100个男女训练集样本，使用贝叶斯分类器判别男女。1.采用最大似然法和贝叶斯估计的方法获得密度函数，设定不同的先验概率，观察判别结果正确率。2.分别在男女相关不相关的情况下分析结果正确率。3.设定不同的风险，采用最小风险的Bayes决策重复上面实验。

  3. 所属分类：讲义

    • 发布日期：2018-10-21
    • 文件大小：718848
    • 提供者：weixin_42493873

  1. sklearn0.19中文文档

  2. sklearn0.19中文文档 PDF格式高清。 .1. 广义线性模型 1.1.1. 普通最小二乘法 1.1.1.1. 普通最小二乘法复杂度 1.1.2. 岭回归 1.1.2.1. 岭回归的复杂度 1.1.2.2. 设置正则化参数：广义交叉验证 1.1.3. Lasso 1.1.3.1. 设置正则化参数 1.1.3.1.1. 使用交叉验证 1.1.3.1.2. 基于信息标准的模型选择 1.1.3.1.3. 与 SVM 的正则化参数的比较 1.1.4. 多任务 Lasso 1.1.5. 弹性网络

  3. 所属分类：机器学习

    • 发布日期：2018-10-30
    • 文件大小：14680064
    • 提供者：hardpen2013

  1. 2019数据运营思维导图

  2. 数据运营 作用&意义 知错能改，善莫大焉 —错在哪里，数据分析告诉你 运筹帷幄，决胜千里 —怎么做好“运筹”，数据分析告诉你 以往鉴来，未卜先知 —怎么发现历史的规律以预测未来，数据分析告诉你 工作思维 对业务的透彻理解是数据分析的前提 数据分析是精细化运营，要建立起体系化思维（金字塔思维） 自上而下 目标—维度拆解—数据分析模型—发现问题—优化策略 自下而上 异常数据 影响因素 影响因素与问题数据之间的相关关系 原因 优化策略 数据化运营7大经典思路 以目标为导向，学会数据拆分 细分到极致

  3. 所属分类：Java

    • 发布日期：2019-03-29
    • 文件大小：15728640
    • 提供者：qq_36826498

  1. 基于快速密度聚类的电力通信网节点重要性评估.pdf

  2. 电力通信网的节点重要性评估是电力通信研究的一个重要议题。针对目前电力通信网节点重要性评估存在 的连接权值单一以及评价指标单一等问题，利用电力通信网的带宽和距离作为权值，计算电力通信网节点的多种 评价指标：节点强度、节点紧密度以及节点的介数。基于电力通信网节点的多种评价指标，利用快速密度聚类方 法建立电力通信网的节点重要性评估模型，为电网通信的规划做支撑。通过快速密度聚类方法进行无监督的分类， 将节点分为若干个重要性等级。该方法可以有效地改善基于距离的无监督分类方法的不足。利用某省的实际电

  3. 所属分类：其它

    • 发布日期：2019-09-13
    • 文件大小：403456
    • 提供者：weixin_38743481

  1. 在渐进式II型删失下对帕累托分布混合的恒定部分加速寿命试验的推论

  2. 本文的主要目的是获得由第二种两种帕累托（MTP）分布的有限混合表示的异类总体参数的推论。 基于渐进式II型删失样本应用了恒定局部加速寿命测试。 通过数值求解模型参数的似然方程，可以得出所考虑参数的最大似然估计（MLE）。 在平衡平方误差损失函数下，使用马尔可夫链蒙特卡罗算法获得贝叶斯估计量。 基于蒙特卡洛模拟，将贝叶斯估计量与其对应的最大似然估计量进行比较。 基于从部分持续加速的寿命测试模型获得的渐进式II型删失的信息样本，可以考虑使用两样本预测技术来导出贝叶斯预测范围，以用于将来的订单统计。

  3. 所属分类：其它

    • 发布日期：2020-06-05
    • 文件大小：1048576
    • 提供者：weixin_38738830

  1. 通信与网络中的基于贝叶斯网络的复杂装备测试性评估

  2. 摘 要: 针对关联模型在复杂装备测试性评估中对不确定问题描述与分析的缺陷, 提出了基于贝叶斯网络的测试性评估方法。首先建立贝叶斯网络测试性评估模型, 以有向边表述故障模式与测试信号之间的因果关系, 利用条件概率描述系统的不确定信息。然后, 将测试准备和执行时间引入贝叶斯网络, 使基于贝叶斯网络的测试性*估与故障检测隔离时间相关, 使测试性评估结果更加全面、客观。最后通过实例分析验证了方法的有效性。　　你所查询《基于贝叶斯网络的复杂装备测试性评估》提供Acrobat PDF格式：　　/基于贝叶斯网

  3. 所属分类：其它

    • 发布日期：2020-11-11
    • 文件大小：29696
    • 提供者：weixin_38584058

  1. Spam-Classification-Project：针对我的AI入门课程的学期末项目的Spam分类器项目。 我们是四人一组。 我处理过所有朴素贝叶斯模型-源码

  2. 垃圾邮件分类器 使用CountVectorizer和Tf-idf Vectorizer构建的垃圾邮件分类器。 数据集来源： ://www.kaggle.com/uciml/sms-spam-collection-dataset我们在项目中采用了Upsampling和Cross-val，并建立了以下模型： 使用CountVectorizer的不平衡数据集的朴素贝叶斯模型 使用Tf-idf Vectorizer的不平衡数据集的朴素贝叶斯模型 使用CountVectorizer进行交叉验证的朴素贝

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：4194304
    • 提供者：weixin_42116794
« 12 »