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. 数据挖掘原理与SPSS Clementine应用-聚类分析教程

  2. 聚类分析原理 聚类分析常用算法分类 划分聚类方法 层次聚类方法 基于密度的聚类方法 基于网格的聚类方法 基于模型的聚类方法 高维数据的聚类方法 模糊聚类FCM 应用实例分析

  3. 所属分类：其它

    • 发布日期：2010-01-11
    • 文件大小：174080
    • 提供者：yxinfa

  1. 用于高维数据的检索或最临近索搜索

  2. 用于高维数据的检索或最临近索搜索 高维数据处理一直是计算机数据挖掘, 图像检索方向的难点, 该算法是一种近似最临近方法, 效率提高比较多的

  3. 所属分类：其它

    • 发布日期：2010-06-01
    • 文件大小：587776
    • 提供者：afantongzhi

  1. 数据挖掘--概念与技术

  2. 目录 第一章 引言 ......................................................................................................................................................... 8 1.1 什么激发数据挖掘？为什么它是重要的？.............................................................

  3. 所属分类：Web开发

    • 发布日期：2010-09-06
    • 文件大小：1048576
    • 提供者：huanghyw

  1. 数据挖掘中的新方法-支持向量机

  2. (1) 它是针对线性可分情况进行分析，对于线性不可分的情况，通过使用非线性映射算法将低维输入空间线性不可分的样本转化为高维特征空间使其线性可分，从而 使得高维特征空间采用线性算法对样本的非线性特征进行线性分析成为可能；(2) 它基于结构风险最小化理论之上在特征空间中建构最优分割超平面，使得学习器得到全局最优化,并且在整个样本空间的期望风险以某个概率满足一定上界。

  3. 所属分类：其它

    • 发布日期：2010-12-05
    • 文件大小：7340032
    • 提供者：xuhao2218

  1. 数据挖掘论文集，很多论文打包

  2. 交易数据的聚类分析.pdf 基于粗糙集理论的数据挖掘算法研究.pdf 基于粗糙集的数据挖掘与决策支持方法研究.pdf 基于粗糙集的数据挖掘方法研究.pdf 基于自然计算的模糊聚类新算法研究.pdf 对聚类及聚类评价若干问题的研究.pdf 数据挖掘中的聚类方法及其应用——基于统计学视角的研究.pdf 数据挖掘中聚类若干问题研究.pdf 粗糙集扩展模型及其在数据挖掘中的应用研究.pdf 粗糙集理论在数据挖掘领域中的应用.pdf 聚类方法及其应用研究.pdf 高维数据流聚类分析及离群点检测研究.pd

  3. 所属分类：其它

    • 发布日期：2011-06-20
    • 文件大小：46137344
    • 提供者：wtzmax

  1. 数据挖掘10大挑战问题

  2. 想研究数据挖掘，可以从这10个问题着手，都是现在前沿的研究方向，包括数据挖掘需要统一的理论，高维高数据流数据的挖掘，序列和时间序列挖掘等。

  3. 所属分类：专业指导

    • 发布日期：2011-07-23
    • 文件大小：94208
    • 提供者：qiang2200

  1. 数据挖掘分类算法研究

  2. 本文首先介绍了数据分类的相关概念，分析了数据挖掘中的几种分类技术: 决策树分类、贝叶斯分类、神经网络分类、支持向量机分类，对其中最常用的 决策树分类算法进行了深入地研究。决策树是分类应用中采用最广泛的模型之 一，与神经网络和贝叶斯方法相比，一决策树无须花费大量的时间和进行上千次 的迭代来训练模型，适用于大规模数据集，除了训练数据中的信息外，不再需 要其他额外信息，表现了很好的分类精确度，以其规则易于提取和容易理解的 学硕士学位论文第一章绪论 优点得到了广泛应用。其核心问题是测试属性选择的策略，

  3. 所属分类：其它

    • 发布日期：2012-12-15
    • 文件大小：3145728
    • 提供者：ygjundzxl

  1. 高维数据可视化研究

  2. 介绍了现在最常用的可视化方法，用于数据挖掘，包括像素法，平行坐标系，雷达图，脸谱图等。

  3. 所属分类：专业指导

    • 发布日期：2013-03-15
    • 文件大小：1048576
    • 提供者：xitele1234567

  1. 文本挖掘tmSVM开源项目包含Python和Java两种版本带参考文档

  2. 文本挖掘tmSVM开源项目集成libSVM和liblinear包含Python和Java两种版本带PDF源码参考文档 简介 文本挖掘无论在学术界还是在工业界都有很广泛的应用场景。而文本分类是文本挖掘中一个非常重要的手段与技术。现有的分类技术都已经非常成熟，SVM、KNN、Decision Tree、AN、NB在不同的应用中都展示出较好的效果，前人也在将这些分类算法应用于文本分类中做出许多出色的工作。但在实际的商业应用中，仍然有很多问题没有很好的解决，比如文本分类中的高维性和稀疏性、类别的不平衡

  3. 所属分类：Python

    • 发布日期：2014-02-23
    • 文件大小：3145728
    • 提供者：vcfriend

  1. 大数据下的逻辑回归训练模型方法论

  2. 以机器学习的经典算法逻辑回归模型作为预测模型，结合目前百分点为团购网站开发的分类模型作为具体实例，具体讲解一下如何在”海量、高维”数据中有效的训练模型。

  3. 所属分类：其它

    • 发布日期：2014-02-28
    • 文件大小：453632
    • 提供者：u013789577

  1. 显露模式挖掘

  2. 数据挖掘，有关显露模式。以高维数据集建立一个准确的显露模式的分类是一个具有挑战性的问题。假如整个特征空间在机器学习开始之前是不可用的，那么问题将变得更加困难。本文提出了一种新的技术，是关于用流特征选择来挖掘显露模型。我们用流特征将高维空间模型化，也就是说，特征到达就被处理一次。当特征流一个接一个来到时，我们就在线估计每一个讲将到达的特征流通过利用特征相关性和EP分辨力(EP的预测力)之间的关系是否对挖掘预测显露的模式(EP)有用。我们采用这种关系来引导在线EP挖掘过程。这种新方法可以可以从高维

  3. 所属分类：网络基础

    • 发布日期：2015-02-06
    • 文件大小：1048576
    • 提供者：xudong_98

  1. 七月学习-数据挖掘--海量高维数据与维度约减ppt

  2. 七月学习-数据挖掘--海量高维数据与维度约减ppt

  3. 所属分类：其它

    • 发布日期：2017-03-13
    • 文件大小：1048576
    • 提供者：smile__sunshine

  1. 大数据挖掘技术与应用

  2. 本书针对数据的海量性、复杂性、高维性、模糊性和不完整性，对数据挖掘技术中的聚类分析和关联规则分析进行了系统的研究。设计与实现了基于密度和自适应密度可达聚类算法、基于簇特征的动态增量聚类算法、并行聚类算法、基于密度加权的模糊聚类算法、高唯复杂数据聚类算法、基于数据场的聚类算法、基于距离的量化关联规则和基于数据场的量化关联规则算法，给出了在矿产资源评价、遥感图像分类、矿业经济分析中的应用例证。全书共分11章，主要内容包括：绪论，基于密度和密度可达聚类分析，基于簇特征的动态增量聚类分析，并行聚类分析

  3. 所属分类：算法与数据结构

    • 发布日期：2018-01-08
    • 文件大小：113246208
    • 提供者：q1457797371

  1. 高维数据挖掘中特征选择的稳健方法

  2. 针对高维数据的特点,即数据中变量个数往往大于样本观测数目,并且数据往往具有异质性特点,基于众数回归分析和变量选择降维技术,提出了一种稳健有效的特征选择方法,利用局部二次逼近算法(LQA)和最大期望(EM)算法,给出估计算法和最优调节参数的选取方法。通过实验的模拟数据分析表明,所提出的特征提取选择方法整体优于基于最小二乘和中位数的正则化估计方法,特别当误差是非正态分布时,与已有方法相比具有较高的预测能力和稳健性。

  3. 所属分类：算法与数据结构

    • 发布日期：2018-06-16
    • 文件大小：1048576
    • 提供者：qq_28339273

  1. 多维数据集中高维数据可视化算法研究

  2. 多维数据集中包含海量的复杂高维数据,如何对这些数据进行科学的理解、分析和使用,是数据挖掘领域的一个重点和难点课题.针对传统可视化算法无法解决高维数据多属性的可视化问题,算法复杂、适用性较差的不足,提出基于快速数据聚类的可视化算法研究.算法构建了一种多维数据模型,采用三角多项式建立映射关系;对多维数据集做不同层次的划分,并基于聚类的效果筛选最佳聚类数;最后在平行坐标系基础上,对高维数据进行时序多维分析,提高算法鲁棒性.实验证明提出算法简洁易用,能够较好地实现对多维数据集中高维数据的理解和分析.

  3. 所属分类：算法与数据结构

    • 发布日期：2018-06-16
    • 文件大小：267264
    • 提供者：qq_28339273

  1. 高维数据挖掘技术研究

  2. 数据挖掘是致力于数据分析和理解,揭示数据内部蕴藏知识的技术。它是未来信息技术应用的重要目标之一。而高维数据在实际应用中的使用,使得对高维数据挖掘的研究有着非常重要的意义。文章介绍了高维数据挖掘对数据挖掘的挑战及应对策略,提出了一些挖掘模型的创新点。

  3. 所属分类：算法与数据结构

    • 发布日期：2018-06-16
    • 文件大小：250880
    • 提供者：qq_28339273

  1. 数据挖掘与分析

  2. 本书是专注于数据挖掘与分析的基本算法的入门图书，内容分为数据分析基础、频繁模式挖掘、聚类和分类四个部分，每一部分的各个章节兼顾基础知识和前沿话题，例如核方法、高维数据分析、复杂图和网络等。每一章最后均附有参考书目和习题

  3. 所属分类：算法与数据结构

    • 发布日期：2018-08-22
    • 文件大小：9437184
    • 提供者：circleyuanquan

  1. 大数据环境下机器学习在数据挖掘中的应用研究_张绍成.pdf

  2. 大数据呈现出 4V 特点，即价值密度低、数据容量大、数据种类多以及数据处理速度较快等． 经典的数据挖掘算法是机器学习算法在数据集合上的优化． 从提取、检索、储存、分享、分析和处理等角度 来看，传统经典的机器学习方法已经无法胜任在海量的异构数据体系中进行数据挖掘． 研究大数据环境 下的机器学习算法，利用机器来挖掘复杂、高维、动态的数据中有价值的知识具有重要的意义

  3. 所属分类：机器学习

    • 发布日期：2020-02-26
    • 文件大小：371712
    • 提供者：fwmht

  1. 基于Hadoop云平台的并行数据挖掘方法

  2. 业界已经开始运用云平台来处理海量高维数据,将各种异构系统仿真为一个系统,其中在Hadoop环境进行数据挖掘会遇到数据模型的全局性、HDFS的文件随机写操作、数据生命周期短等问题。为解决这些问题,在Hadoop上实现高效海量数据挖掘,提出了在Hadoop上一种高效数据挖掘框架,利用数据库来模拟链表结构,管理挖掘出来的知识,提供了树形结构、图模型的分布式计算方法;在此基础上实现一个统计算法——Yscore分箱算法,以及决策树和KD树的建树算法;并利用Vega云对Hadoop集群进行仿真。实验数据表明

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：500736
    • 提供者：weixin_38606404

  1. 多媒体智能教学系统中特定数据挖掘方法研究

  2. 对多媒体教学系统中特定关键数据进行准确挖掘，可以提高多媒体智能教学系统的信息兼容和数据访问能力。传统方法采用经验模态特征分解方法进行数据挖掘，当多媒体智能教学系统数据规模的扩大、信息融合度的提高时，数据挖掘的准确度下降。提出一种基于尺度仿射变换和特定数据信息流相空间重构的数据挖掘算法，首先建立多媒体智能教学系统的数据分布结构模型，采用尺度仿射变换对数据进行信息融合处理，对融合后的数据信息流进行相空间重构，在重构的高维相空间中提取多媒体智能教学系统中特定数据的高阶矩特征，实现对特征数据的准确挖掘。

  3. 所属分类：其它

    • 发布日期：2021-01-28
    • 文件大小：869376
    • 提供者：weixin_38730821
« 12 3 »