搜索资源列表
prefixspan的源代码c++
- 序列模式挖掘prefixspan算法源代码。License: GPL2 (Gnu General Public License Version 2) Requirements: C++ compiler with STL (Standard Template Library).-sequence Mining prefixspan algorithm source code. License : GPL (Gnu General Public License Version 2) Re
lw6
- 本人上传的是FP-GROWTH算法的数据挖掘中的关联规则与序列模式-I upload the FP-GROWTH algorithm Data Mining Association Rules and sequence mode
gsp
- 基于候选产生 测试的序列模式挖掘算法，gsp使用序列模式的向下封闭性，采用多次扫描的候选产生测试方法。
clospan
- 数据挖掘中的序列模式挖掘算法clospan的C++实现
FPGROWTH
- 基于改进FP-Tree的序列模式挖掘算法，已经调试通过
svm-km.rar
- 支持向量机(SVM)是数据挖掘中的一个新方法，能非常成功地处理回归问题(时间序列分析)和模式识别(分类问题、判别分析)等诸多问题，并可推广于预测和综合评价等领域，因此可应用于理科、工科和管理等多种学科。目前国际上支持向量机在理论研究和实际应用两方面都正处于飞速发展阶段。它广泛的应用于统计分类以及回归分析中. 支持向量机属于一般化线性分类器.他们也可以认为是提克洛夫规则化（Tikhonov Regularization）方法的一个特例.这族分类器的特点是他们能够同时最小化经验误差与最大化几何边缘区
ch4
- 时间序列模式挖掘，有GSP,PrefixSpan等算法。-Time series pattern mining, there are GSP, PrefixSpan algorithm.
plwap
- 数据流闭序列模式挖掘算法,2010年最新的PLWAP算法-data stream closed frequent sequential
svm
- 支持向量机(SVM)是数据挖掘中的一个新方法，能非常成功地处理回归问题(时间序列分析)和模式识别(分类问题、判别分析)等诸多问题，并可推广于预测和综合评价等领域，因此可应用于理科、工科和管理等多种学科-Support vector machine
svm_v0.55
- 支持向量机分类，可用于人工智能，模式识别，数据挖掘，时间序列预测-Data aggregation processing
1
- 对序列模式算法GSP和PrefixSpan两种算法的详细讲解-The sequence pattern algorithms GSP and explained in detail the two algorithms PrefixSpan
PrefixSpan
- 列模式挖掘的PrefixSpan算法，用于对序列模式的挖掘-PrefixSpan out pattern mining algorithm
finance
- 针对金融时间序列分析中注重快速作出趋势判断的特点,利用数据挖掘的思想和工具,提出 一种金融时间序列模式快速发现算法. 与传统的预测算法相比较,该算法对数据的分布和平稳性等 方面的要求不高,不基于任何假设,能够非常快速地发现时间序列中的频繁模式,经过模式匹配后, 可以用于金融时间序列的分析与预测. 以实际汇率数据为例,证明了该算法的有效性-Financial time series analysis for rapid prediction of trend-oriented feat
lab432
- Matlab动力系统和时间序列分析工具箱:这个工具箱用来分析动力系统和时间序列，它可以定制为：常微分方程、随机微分方程。所有分析的方法被封装在工具箱中，你可以通过命令行或GUI来调用。包含的功能： ODE常微分方程, SDE随机微分方程和map integration 分析时间序列，过滤、归一化/均衡化、直方图、2D直方图、ACF, MAI, FFT,最大lyapunov指数计算、模式识别。 动力系统分析：创建Poincare截面、分岔图、计算lyapunov指数。-The kit us
profix
- 数据挖掘中profix序列模式算法实现，含有详细注释！-Data mining algorithm sequential pattern profix, containing detailed notes!
Apriori--Algorithm
- 一种基于Apriori原理的算法的实现，它是序列模式挖掘中的经典算法-Apriori algorithm based on the realization of the principle, which is the classic sequential pattern mining algorithm
py_gapbide
- python实现的BIDE算法，应用于序列模式的挖掘-the algorithm is applied by python,it is applied to the sequential pattern mining
prefixspan_ver1.0
- 挖掘算法,前缀投影序列模式挖掘算法，c-DATA MINING
matlab-data-mining
- 数据挖掘(Data Mining)阶段首先要确定挖掘的任务或目的。数据挖掘的目的就是得出隐藏在数据中的有价值的信息。数据挖掘是一门涉及面很广的交叉学科，包括器学习、数理统计、神经网络、数据库、模式识别、粗糙集、模糊数学等相关技术。它也常被称为“知识发现”。知识发现(KDD)被认为是从数据中发现有用知识的整个过程。数据挖掘被认为是KDD过程中的一个特定步骤，它用专门算法从数据中抽取模式(patter，如数据分类、聚类、关联规则发现或序列模式发现等。数据挖掘主要步骤是：数据准备、数据挖掘、结果的解释
序列模式挖掘算法
- 序列模式挖掘算法序列模式挖掘算法序列模式挖掘算法