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. jbpm工作流开发文档手册

  2. JBoss jBPM 是一个复杂的可扩展的工作流管理系统. JBoss jBPM 有直观的流程语言来表示商业流程图的术语比如,任务,异步通讯的等待状态,定时器,自动操作等等.把这些操作绑在一起,, JBoss jBPM 就有了最强大和易扩展性的控制流机制. JBoss jBPM 只有最小的倚赖性可以很容易的作为java库来使用.当然它也可以用在吞吐量极为关键的J2EE 群应用服务器环境中. JBoss jBPM 可以同任何数据库配置可以部署在任何应用服务器上. 1.1. 综述 核心工作流和BP

  3. 所属分类：Java

    • 发布日期：2013-12-18
    • 文件大小：352256
    • 提供者：lzp492782442

  1. 基于R的数据挖掘之信用卡是否违约预测分类

  2. 本文分析了台湾某银行客户的违约支付情况，提出了基于数据挖掘技术的预测客户违约可能性。从风险管理的角度来看，预测的违约概率的准确性可以用来对可信的或不可信的客户进行分类。 本文首先对数据集进行了初步处理，将数据拆分为2000个训练集与1000个测试集。每个客户信息中有23个自变量，根据其各个因素的相关性进行了调整然后使用了5挖掘方法，包括KNN,分类树，随机森林，Logistic回归，神经网络进行建模，比较这5种方法中违约概率的预测准确性。其中神经网络的预测效果最好，预测准确率达到了83.3%；

  3. 所属分类：其它

    • 发布日期：2018-05-26
    • 文件大小：1048576
    • 提供者：weixin_42317094

  1. R语言ggplot包算相关性矩阵

  2. 用于序列间的相关性矩阵计算，其中用到的其他语言包需自行下载，主题可自行调整

  3. 所属分类：算法与数据结构

    • 发布日期：2018-06-25
    • 文件大小：1024
    • 提供者：qq_36759310

  1. R语言量化投资数据分析应用

  2. 1. 什么是追涨杀跌？ 2. 追涨杀跌的建型和实现 3. 模型优化 4. 在云端建模 – 况客平台 快速知变，分析消息、量能、对周边各种因素的影响 • 善于观察，盘面、形态、消息、舆论等方面的细微变化，对大盘作出准确估量 • 善于思考，大盘与目标股之问的正向、反向的相关性 • 利好出尽是利空，当市场利好消息接踵而至时，应随时准备卖出股票

  3. 所属分类：其它

    • 发布日期：2020-05-13
    • 文件大小：1048576
    • 提供者：cxr828

  1. 基于（互）相关性的数字信号处理与信号识别（matlab实现）+源代码.zip

  2. 在信号处理过程中，对两个信号的相似性的度量可以用相似性来表示。信号与自身的相关性称为自相关，两种信号的相关称为互相关。基于信号的相关性可以从未知信号中检测出目标信号。因此对信号相关性的研究具有重要意义。 相关函数中峰值的滞后指数表示信号最相似的时间移动。因此，可以使用相关性来检测某个信号c否包含在另一个信号中, 如果是的话，则两个信号的互相关有一个很高的峰值.如果没有一个相对较高的峰值，则这些信号实际上没有任何时间延迟。例如，有一段几个人的声音的混合音频，用单个人的音频波形与混合波形进行互相关

  3. 所属分类：图像处理

    • 发布日期：2020-01-09
    • 文件大小：3145728
    • 提供者：iwangdashuaige

  1. 美国2019：国家人工智能战略（中英双语）-2019.6-101页(8).pdf

  2. 国家人工智能研发战略计划： 2019年更新为联邦政府资助的人工智能研究制定了一系列 目标，确定了以下八个战略重点： 策略1：对人工智能研究进行长期投资。优先考虑对下一代人工智能的投资，这将推动发现和 洞察，并使美国成为人工智能的世界领导者。战略2：为人工智能协作开发有效的方法。增加 对如何理解 创建有效补充和增强人类能力的AI系统。 策略3：理解并解决人工智能的道德，法律和社会影响。通过技术机制研究人工智能系统，包 括道德，法律和社会问题。 策略4：确保AI系统的安全性。了解如何设计可靠，可靠，

  3. 所属分类：机器学习

    • 发布日期：2019-09-04
    • 文件大小：1048576
    • 提供者：chentaotongxue

  1. 计算机组成原理复习资料.pdf

  2. 计算机组成原理的复习资料by中大，这个里边总结的东西非常独到Computer Organization and design the hardware/Software Interface Fifth editic 性能度量公式:CPU性能公式:cPU时间=指令数*cP时钟周期时间 或 cPU时间=指令数CP时钟频率 指令数:执行某程序所需的指令数量;CPl:执行某个程序段时每条指令所需的时钟周 期数;时钟周期时间:时钟频率的倒数 功耗墙:功耗( Power),功率的损耗,在单位吋间中所消耗的能

  3. 所属分类：讲义

    • 发布日期：2019-07-04
    • 文件大小：1048576
    • 提供者：weixin_38889708

  1. 快速构建PHP全文检索——马明练

  2. 信息检索，全文检索，IR基础，反向索引，同步机制，批量处理检索比较 全文检索数据库LKE 索引使用事先建好的全文索引用不到索引,只能遍历匹配 % eight%也会匹配 height 匹配效笑/通过分词器切割匹配,良好\9m%me就不能匹配颠 支持中文、英文词干 倒的ⅹx.net. XXX. COm 相关度基于概率模型的相关性算无相关算法,匹配一次或多次 法,越相关的排在越前面 无明显区别 可定制通过定制分词器,实现不同 索引规则 难以定制 结论支持大数据,性能高效果好/效率低,相关性差,模糊检索

  3. 所属分类：PHP

    • 发布日期：2019-03-04
    • 文件大小：1048576
    • 提供者：danyidanfei

  1. 感知压力量表的正词子量表分数与认知域功能相关

  2. 目的：检查感知压力量表（PSS）各个子量表的横断面关联，并测试测量老年人认知域的方法。 方法：897名年龄在70岁以上，没有遗忘性轻度认知障碍和痴呆并且参加爱因斯坦衰老研究的成年人组成了研究样本。 PSS-14用于测量压力。 先前已经使用主成分分析发现了三个认知域（语言，情景记忆和额叶执行）。 线性回归分析用于确定PSS分量表与认知域功能之间的关系。 结果：研究样本的平均年龄为79.1岁，女性为62.8％。 双变量相关性表明PSS-14的PSS积极措词量表（PSS-PW）与所有三个认知域均显着相

  3. 所属分类：其它

    • 发布日期：2020-06-03
    • 文件大小：355328
    • 提供者：weixin_38752830

  1. Data Privacy with R.pdf

  2. 隐私保护数据挖掘(PPDM)是一个非常重要的应用领域。它的目标是研究新的机制，允许为数据挖掘任务传播机密数据，同时保护个人隐私信息。此外，由于R语言在统计和数据挖掘领域的相关性，无疑是研究、开发和测试数据挖掘隐私技术的良好环境。在这一章中，我们概述了R中一些有用的工具来向读者介绍该领域，因此我们将介绍几种PPDM保护技术以及它们的信息损失和披露风险评估过程，并概述R中的一些工具来帮助从业者了解该领域。

  3. 所属分类：其它

    • 发布日期：2020-07-02
    • 文件大小：385024
    • 提供者：weixin_42716010

  1. OpenAir_Manual.pdf

  2. 作为环境领域中用R语言深度数据分析的重要包之一，Openair在环境领域中占有重要地位。其在R语言中能更好地分析污染物变化趋势，分析数据间相关性等特征也使其成为现阶段较为流行的处理及表达数据的应用之一。

  3. 所属分类：教育

    • 发布日期：2020-06-26
    • 文件大小：25165824
    • 提供者：LuanMengXiao

  1. 基于Hurst指数的矿井涌水量定量预测

  2. 在Hurst指数趋势分析的基础上,考虑时间序列长度、相关性等因素,并结合计算机语言,实现了R/S方法的定量预测,成功的将非线性时间序列预测方法从定性走向定量。以赵家寨煤矿矿井涌水量为例,分别对突水前和突水后的涌水量时间序列进行了R/S定量预测,模型预测精确度高达92.48%和94.75%,表明该模型精确度高、适用性强。

  3. 所属分类：其它

    • 发布日期：2020-07-16
    • 文件大小：207872
    • 提供者：weixin_38636763

  1. R语言冲积图.docx

  2. 使用R语言绘制冲击图的完整例子，通过构造dataframe完成年龄-性别-和频率的映射关系冲击图的绘制，更好地体现出数据的相关性。

  3. 所属分类：算法与数据结构

    • 发布日期：2020-11-25
    • 文件大小：60416
    • 提供者：yajunxuexi000

  1. R语言相关性

  2. R语言相关性 相关系数可以用来描述定量变量之间的关系。相关系数的符号（±）表明关系的方向（正相 关或负相关），其值的大小表示关系的强弱程度（完全不相关时为0，完全相关时为1）。 1、相关的类型 1、Pearson、Spearman和Kendall相关 Pearson积差相关系数衡量了两个定量变量之间的线性相关程度。 Spearman等级相关系数则衡量分级定序变量之间的相关程度。 Kendall’s Tau相关系数也是一种非参数的等级相关度量。 cor()函数可以计算这三种相关系数，而cov()函

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：46080
    • 提供者：weixin_38677227