搜索资源列表
DM4
- 执行流程： 1. 用户输入参数：K的选择，训练数据，测试数据的路径； 2. 读取训练数据集和测试数据集文件，用ArffFileReader类读取并组织起InstanceSet数据结构； 3. 利用上面的相似度量标准，对每一个测试集中的Instance，计算与其最相似的K个训练集中的Instance，通过投票进行分类，将分类结果存储经Instance的成员变量targetGuess中； 4. 对分类结果进行度量，包括分类正确率，各种类别实例的Precision，Recall；Con
transmitter_model_final
- 在BFSK发射机的基本部分是序言和数据输入电路。序言序列定位在每122位的数据包前一共有128位的数据包。序言的主要目的是协助接待，同时提供同步和数据包位。 数据输入电路主要由来自存储元件和卷积编码器与R = 1 / 2。因此，输入位必须被储存在一个临时内存，并在61位的存储区块分区。然后，卷积编码器，并增加了一倍位在邮件的末尾2位更多线索。阿多路可确保正确的序列，编码的比特之间的序言和选择，是传播到下一个阶段。 在下一阶段的发射器由两个直接器（DDS）数字合成器，以及一个用0和
Applied_Data_Mining
- 《实用数据挖掘》 本书对面向应用的数据挖掘方法进行了清晰的阐述，包括经典的多元统计方法、贝叶斯多元统计方法、基于机器学习的数据挖掘方法和基于计算的数据挖掘方法等。介绍了数据挖掘领域中许多最新的研究成果，如关联规则、序列规则、图示马尔可夫模型、基于存储的推理、信用风险和Web挖掘等。并详细介绍了选自实际工业项目的6个应用实例，强调了数据挖掘方法的实用性。 本书主要面向计算机科学、信息管理、应用统计学和经济学等专业的高年级本科生和研究生。对实际从事海量数据分析和处理的技术人员也有很好的指导作用和
suanfafenxi
- 算法分析是对一个算法需要多少计算时间和存储空间作定量的分析。 算法（Algorithm）是解题的步骤，可以把算法定义成解一确定类问题的任意一种特殊的方法。在计算机科学中，算法要用计算机算法语言描述，算法代表用计算机解一类问题的精确、有效的方法。算法+数据结构=程序，求解一个给定的可计算或可解的问题，不同的人可以编写出不同的程序，来解决同一个问题，这里存在两个问题：一是与计算方法密切相关的算法问题；二是程序设计的技术问题。算法和程序之间存在密切的关系。分析算法可以预测这一算法适合在什么样的环境中有
AnimalsRecognition(JAVA)
- 动物识别系统实验 1.基于规则产生式系统结构： 基于规则的产生式系统一般由规则库（知识库）、综合数据库和推理引擎（推理机）三部分组成，规则库中它的基本组成框架如下图1所示。 知识库由谓词演算事实和有关讨论主题的规则构成，综合库又称为上下文，用来暂时存储推理过程中的结论和数据。推理机是用规则进行推理的过程和行为。知识采集系统是领域专家把相关领域的知识表示成一定的形式，并输入到知识库中。解释系统通过用户输入的条件来分析被系统执行的推理结构，并将专家知识以易理解的方式并把知识解释给用户。 2. 简单动
CPP(BackwardReasoning)
- 动物识别系统实验 1.基于规则产生式系统结构： 基于规则的产生式系统一般由规则库（知识库）、综合数据库和推理引擎（推理机）三部分组成，规则库中它的基本组成框架如下图1所示。 知识库由谓词演算事实和有关讨论主题的规则构成，综合库又称为上下文，用来暂时存储推理过程中的结论和数据。推理机是用规则进行推理的过程和行为。知识采集系统是领域专家把相关领域的知识表示成一定的形式，并输入到知识库中。解释系统通过用户输入的条件来分析被系统执行的推理结构，并将专家知识以易理解的方式并把知识解释给用户。 2. 简单动
C(Forwardreasoning)
- 动物识别系统实验 1.基于规则产生式系统结构： 基于规则的产生式系统一般由规则库（知识库）、综合数据库和推理引擎（推理机）三部分组成，规则库中它的基本组成框架如下图1所示。 知识库由谓词演算事实和有关讨论主题的规则构成，综合库又称为上下文，用来暂时存储推理过程中的结论和数据。推理机是用规则进行推理的过程和行为。知识采集系统是领域专家把相关领域的知识表示成一定的形式，并输入到知识库中。解释系统通过用户输入的条件来分析被系统执行的推理结构，并将专家知识以易理解的方式并把知识解释给用户。 2. 简单动
Ten_Lectures_On_Wavelets
- 本书包含10个讲座由Daubechies博士为在小波及其应用1990 cbms-nsf会议主讲人。小波是一种数学发展，许多专家认为它可能会彻底改变信息存储和检索的世界。它们是一种相当简单的数学工具，现在被应用于压缩数据，如指纹、气象卫星照片和医用X射线。以前人们认为这些数据在不丢失关键细节的情况下是不可能压缩的。(This monograph contains 10 lectures presented by Dr. Daubechies as the principal speaker at