把时间序列分析的方法和理论引入业务监控中。本文的创新点 在于利用AR州人模型建模前，通过孤立点和变点检测对数据做预处理， 先用控制图法去除孤立点，然后用变点检测的方法定位变点，最后对变 点前后的时间序列分段预测，从而提高了预测的准确度和可信度 -Time series analysis methods and theoretical introduction of the service monitoring. Innovation of this paper is to use

基于GA-GM(1,1)模型的航空发电机状态趋势分析结果较GM(1,1)模型所得结果平均相对误差降低0.14个百分点，分析结果更加精确，为灰色分析模型及其优化模型在航空发电机剩余使用寿命预测技术研究中的应用奠定基础。同时也说明遗传优化算法在航空发电机状态趋势分析中的应用是可行的且具有实际科学意义。这也为GA-GM(1,1)模型在其他领域中的应用指明了道路。-GA-GM (1,1) model-based aviation generator status trend analysis resul

用AMO实现analysis service数据挖掘客户端访问-access analysis service with AMO

用DMX实现analysis service 数据挖掘查询-sample of data access use DMX

Python+Neo4j医药知识图谱自动问答系统源码，知识图谱构建，自动问答，基于kg的自动问答。以疾病为中心的一定规模医药领域知识图谱，并以该知识图谱完成自动问答与分析服务。(Python+Neo4j Medical Knowledge Atlas Automatic Question and Answer System source code, knowledge atlas construction, automatic question and answer, based on kg a