搜索资源列表
jcwtlib-0.01.tar
- 独立成分分析（Independent Component Analysis, ICA）是近年来发展起来的一种有效的盲分离技术，最早是由法国学者Herault和Jutten于1986年提出。ICA方法的提出最初是用来解决“鸡尾酒会”问题，其过程可以归纳为，在源信号与传输通道参数均未知的情况下，仅根据源信号的统计特性，出现测信号恢复出源信号。ICA分析的关键在于根据一定的优化准则建立描述输出信号独立程度的优化判据，即目标函数，并设计相应的优化算法，寻求最优的分离矩阵，使得输出信号中各分量尽可能相互独
1
- 基于FCM的数据聚类分析及Matlab 实现 戈国华, 肖海波, 张敏 ( 江西理工大学信息工程学院江西赣州341000 ) 【摘要】: 聚类是数据挖掘中常用的数据分析技术。本文详细介绍了FCM聚类算法的理论和实现步骤。并用Matlab 演 示了FCM用于数据聚类。结果表明FCM算法是一种高效的数据聚类算法, 有很广泛的应用。-FCM clustering analysis based on the data and Matlab implementation Ge Guohua
data-mining
- 本书全面介绍了数据挖掘，涵盖了五个主题：数据、分类、关联分析、聚类和异常检测。除异常检测外，每个主题都有两章：前一章涵盖基本概念、代表性算法和评估技术，而后一章讨论高级概念和算法。这样读者在透彻地理解数据挖掘的基础的同时，还能够了解更多重要的高级主题。 -Introduction to Data Mining Instructor’s Solution
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
Cha5_Association
- 量化投资_数据挖掘技术与实践，第五章例程，有源代码，金融数据挖掘好东西-Quantitative investment data mining technology and practice, Chapter V routines, source code, financial data mining good thing