搜索资源列表
clustream_mtc_cx
- 在各种数据源的分析中，收集数据非常重要，本算法提供了一种理论上可以保证性能的聚类算法并提供的相关证明。
Fuzzyclusteringcode
- 通过收集数据来建立模糊聚类相似矩阵来对数据进行统计很方便-By collecting data to establish fuzzy similar matrix to cluster the data statistics is easy
embedded_kit_gateway
- digi connectport X4网关与电脑通信程序，将xbee网络收集的数据发送到电脑上-the code is for the communication of computer and the xbee network
K-mean
- 聚类分析的目标就是在相似的基础上收集数据来分类。聚类源于很多领域，包括数学，计算机科学，统计学，生物学和经济学。-Cluster analysis the goal is to collect data on the basis of similar classification. Cluster from many fields, including mathematics, computer science, statistics, biology and economics.
ant_wsn
- 为了在无线传感器网络中降低能耗和最大化网络生存期,提出一种能量高效的数据收集算法 (energy-efficient data gathering algorithm, EEDGA)。该算法利用移动代理模型在网络中进行数据收集。首先, EEDGA根据监测精度的要求控制活动节点的数量 然后,通过求最小支配集得到具体的工作节点 最后,利用蚁 群算法规划移动代理迁移的最优路线,移动代理以渐进方式收集活动节点的监测数据。仿真结果表明,与典型算 法相比,该算法具有更低的能耗和更长的网络生存
MachineLearning_Steps.py
- python做机器学习的基本步骤，包括了数据收集，数据归一化，数据的特征值选择，最后使用几个算法进行测试(The basic steps for machine learning with Python)
机器学习与数据挖掘方法和应用
- 本书分为5个部分，共18章，较为全面地介绍了机器学习的基本概念，并讨论了数据挖掘和知识发现中的有关问题及多策略学习方法，具体地阐述了机器学习与数据挖掘在工程设计，文本、图像和音乐，网页分析、计算机病毒和计算机控制，医疗诊断、生物医疗信号分析和水质分析中的生物信号处理等方面的应用情况。本书收集众多不同领域中数据挖掘的实际案例，以此来说明数据挖掘的具体解决方法，以期为广大读者提供一个更为广阔的数据挖掘(The book is divided into 5 parts, 18 chapters, a
apriori
- 收集数据：使用任何方法 准备数据：任意数据类型都可以，因为我们只保存集合 分析数据：使用任何方法 训练算法：使用Apriori算法来找到频繁项集 测试算法：不需要测试过程 使用算法：用于发现频繁项集以及物品之间的关联规则 使用Apriori算法，首先计算出单个元素的支持度，然后选出单个元素置信度大于我们要求的数值，比如0.5或是0.7等。然后增加单个元素组合的个数，只要组合项的支持度大于我们要求的数值就把它加到我们的频繁项集中，依次递归。 然后根据计算的支持度选出来的频繁项集来
Geolife Data 1.3
- Geolife GPS 轨迹数据集–用户指南 这一 GPS 轨迹数据集是在 (微软研究亚洲) Geolife 项目中收集的, 178 用户在四年 (2007年4月至 2011年10月) 期间。该数据集的 GPS 轨迹由一个时间戳点序列表示, 每一个都包含纬度、经度和高度信息。该数据集包含17621个轨迹, 总距离为1251654公里, 总持续时间为48203小时。该轨迹数据集可以应用于移动模式挖掘、用户活动识别、基于位置的社交网络、位置隐私和位置推荐等多个研究领域。(Geolife GPS t