搜索资源列表
Apriori(VC程序)
- 本程序是数据挖掘中的关联规则模型中著名的Aprior算法的VC实现程序，可用于知识发现、数据挖掘、人工智能、模式识别等领域（请先解压文件）-The code is the VC implementation of the well-known Aprior algorithm in Association Rule Model of Data Mining field, can be used in Knowledge Discovery, Data Mining, AI, Pattern Re
PSONet
- 应用PSO训练神经网络Visual C++ 训练结果优于BP,该方法用于模式识别、知识挖掘等-PSO application for training the neural network training Visual C BP superior results, the method for pattern recognition, knowledge mining, etc.
KMEANS聚类
- knn分类模式识别可用于文本挖掘和其他的识别分类,vc代码,-Commission pattern recognition can be used for classification of text mining and other identification classification, vc code,
zlsj
- 滑动窗口的数据流闭合频繁模式的挖掘算法，用VC编写-sliding window of data flow closure frequent pattern mining algorithm, prepared by VC
关联模式Apriori
- 关联模式的Apriori的vc实现，对数据挖掘感兴趣的人一定很希望得到吧！-VC implementation of Apriori based on Associate Pattern, is it what exactly you want in data mining?
ch4
- 时间序列模式挖掘，有GSP,PrefixSpan等算法。-Time series pattern mining, there are GSP, PrefixSpan algorithm.
PrefixSpan
- java版的PrefixSpan算法实现，文件里包含了详细的文档说明，还有示例。-PrefixSpan algorithm. The document containing a detailed descr iption and an example.
Eclat_Combine1
- 频繁模式数据挖掘之Eclat方法，FPtr-Frequent pattern of data mining methods Eclat
TPatternMiner
- Trajectory Pattern Mining-This software is an implementation of the T-Pattern mining algorithm. Reference paper is "Trajectory Pattern Mining", by F. Giannotti, M. Nanni, D. Pedreschi and F. Pinelli, published on KDD 2007 conference. This soft
SimpleAprioriCode
- its most famous apriori algorithm for sequence pattern mining.
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
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
IrisDC06
- 分类是数据挖掘 、机器学习 和模式识别 中一个重要的研究领域。分类的目的是学会一个分类模型 (称作分类器)，该模型能把未知类别的数据项映射到给定类别中。目前发展较成熟的几种分类算法 如决策树、神经网络、贝叶斯方法、遗传算法等。分类具有广泛的应用，例如医学诊断、信用卡系统的信用分级、图像模式识别等。本毕业设计通过使用鸢尾属植物(IRIS)数据集，对当前数据挖掘中具有代表性的优秀分类算法进行分析和比较，总结出了各种算法的特性，为使用者选择算法或研究者改进算法提供了依据。-Classificatio
data-mining-technology
- 数据挖掘是知识发现过程的一个基本步 骤。KDD是一门交叉学科，它涉及统计学、数据库技术、计算机科学、模式识别、人工智能、机器学习等多个学科。 -Data mining is a fundamental step in the knowledge discovery process. KDD is an interdisciplinary, it involves statistics, database technology, computer science, pattern reco
FpTree
- 频繁模式挖掘的demo，主要实现了频繁模式挖掘的树的构建算法。包含自定义的数据结构。实现了fp-growth算法。-Frequent pattern mining demo, frequent pattern mining tree algorithm. Contains the custom data structures. Fp-growth algorithm.
Pattern-Classification_first_edition
- 模式分类的中文版。学习人工智能数据挖掘必备的图书。详细讲述了机器学习的各个方面。-The Chinese version of the pattern classification. Artificial intelligence, data mining learning essential books. Describe in detail all aspects of machine learning.
prefixspan
- 序列模式挖掘算法PrefixSpan，主要用于挖掘频繁的访问序列-Sequential pattern mining algorithms PrefixSpan, mainly for mining frequent access sequences
FP-Growth
- 频繁模式挖掘算法FP-Growth，用于挖掘用户的频繁访问模式-Frequent pattern mining algorithm FP-Growth, for mining frequent user access patterns
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