搜索资源列表
KMeanIntroduction
- 聚类分析是将集合中的数据按其相似性大小分成不同类别的一种方法,它是模式 识别中多变量无监督学习的一个分支,己成功地用于医学,地质,财务,工程,图像 处理和文档等的数据分类中;含有实现此算法的源码 -cluster analysis is to pool the data according to similar size into a different category, It is pattern recognition multivariable Unsupervised Le
ANewmethod
- 一种文本分类数据挖掘的技术,比较几种不同的文本分类方法,重点介绍熵。
cpar 基于关联规则的分类算法
- 介绍一种高效的数据分类算法:基于关联规则的分类算法
防火墙与入侵检测课程设计
- 目录 1 引言... 1 1.1 防火墙的基本工作原理... 1 1.1.1 防火墙技术分类... 1 1.1.2 包过滤防火墙... 1 1.1.3应用网关防火墙... 2 1.1.4 状态检测防火墙... 2 1.2 入侵检测系统原理... 2 1.2.1 按入侵检测的主要技术分类... 3 1.2.2 按入侵检测系统的数据来源分类... 3 2 本系统的网络拓扑图及IP地址规划... 4 2.1 网络拓扑图.
一种中文文本聚类的研究.rar
- 这里设计了一个中文文本聚类模型CTCMCChinese'Pext Clustering Model),并针对模型中涉及到的特征表示、特征提取、特征向量调整和聚类算法等问题进行了研究。
影响分类
- 第一个选择你要统计的数据,第二个选择你要按照什么属性统计,第三个必须输入一个同坐标范围的栅格数据(注意,没有栅格,那你用矢量转化为一个栅格,然后加进去也行),第四个输入你输出结果的地方。
ArcGIS实习总结
- 1.GIS中的数据: GPS定位数据(点Envet数据表);矢量线画图形;遥感影像;属性数据。 2.GIS中的数据类型: 栅格数据(image,grid两种,多个grid构成了image);矢量数据(shp、coverage…);网络;地形表面(TIN)。 连续的数据:如高程相关的数据 栅格数据包括两种: 离散的数据:表示分类和描述性的数据
自组织神经网络在文本分类中的应用研究
- 针对信息挖掘中的文本自动分类问题 提出了一种基于自组织特征映射网络的分类方法 网络由输入层和 竞争层组成 输入层节点与竞争层节点实行全互连接 输入层完成分类样本的输入 竞争层提取输入样本所隐含的 模式特征 并对其进行自组织 在竞争层将分类结果表现出来 分无监督和有监督两个阶段完成对网络的分类训练 该方法在特征提取时充分考虑了特征项在文档中的位置信息 构造出模糊特征向量 使自动分类原则更接近手工分 类方法 以中国期刊网全文数据库部分文档数据为例验证了该方法的有效性
Linux的帧缓冲(Frame Buffer)之三:LCD上显示摄像头
- V4L2.rar Linux的帧缓冲(Frame Buffer)之三:LCD上显示摄像头 . 分类: Linux驱动 2011-05-31 11:52 742人阅读 评论(2) 收藏 举报 一个简单的应用程序,来实现在LCD上显示当前camera的图像数据,也可以根据键盘输入保存摄像头数据到BMP图片中。
AnApproachToTheNeuralNetworkBasedDataMining
- 针对数据挖掘中的分类问题,本文提出了一种利用神经网络抽取分类规则都方法。为了易于抽取规则,采用遗传算法对神经网络的结构进行了进化。实际运行结果表明了该方法的有效性。-Classification is an inportant problem in data mining.This paper presents an approach to discover classification rules by using neural networks.Genetic algorithms is u
paper
- 关于数据挖掘的分类算法,主要介绍基于不确定数据的决策树算法-With regard to the classification of data mining algorithms, mainly introduces the decision tree algorithm based on uncertain data
jingeiARTYU
- 本资料的功能为:运用数学统计方法和时间序列分析方法对原始振动信号进行分析,获取相应的时域,频域,频域及时间序列模型参数并以此作为特征参数,然后运用距离区分技术进行评估,选取敏感的特征参数作为ART-similarity分类器的输入并进行训练,最后便可识别出设备的性能状态。 基于YU范数对承不同预紧状态的分析,针对进给系统所采集的数据样本事先不知其对应的状态时,则可利用基于YU范数的ART-Similarity监督分类器对其进行诊断分析。针对基于Yu范数ART-Similarity的算法
c
- 在资讯时代,随着人们对数据的大量需求以及计算机使用时间的增加,计算机磁盘需要存储的数据越来越多、增长速率越来越快。如何让有限的磁盘空间容纳更多的数据成为需要解决的问题。一方面,高速发展的存储技术以提高磁盘容量来解决这样的需求,但随着网络环境下数据传递的产生以及带宽的限制,大容量数据问题日益突出。在这两种需求的推动下,对数据压缩的需求产生了。数据存在大量的冗余,在不影响使用的情况下,对数据进行压缩,可以在有限的空间存储更多的数据。本文主要将所学的数据结构和算法知识应用于实践,对几种数据压缩算法加以
classification
- 基于K均值算法的模糊分类器具有很好的分类效果,用它可以很准确的对训练样本进行分类. 此方法是将K均值算法应用于训练数据的聚类,对每个聚类的半径和聚类的中心都是可计算的. 而模糊系统设计方法就是用模糊度来描述聚类, 对训练数据进行高效且准确的分类.-based on K-mean Algorithm,it can Classify the original data very well!
20P30
- 50个类别,每个类别50个样本,用于文本分类的数据集,解决多类单标签问题-50 categories are each 50 samples, used for text classification data sets to address the problem of multi-class single-label
Student-C
- 学生管理系统包括//在主函数中进行功能选择。 //调用open()函数,建立文件f.txt //调用input()函数,从键盘输入5个学生的数据送到结构数组中. //调用alter()函数,对数据进行修改 //调用search()函数,对数据进行查询: 调用search_num()函数,按学号查询; 调void search_name()函数,按姓名查询 //调用void ch()函数,进行统计查询: 调用sk()函数,查询三科成绩均大于85分的记录; 调用b
Discretecosine-transform
- 脑神经网络信号的离散余弦分类。所谓分类就是一种模式识别。按照某个特定标准(如距离准则)把一个数据集分割成不同的类或簇,分类后同一类的数据尽可能聚集到一起,不同数据尽量分离。而离散余弦变换是一种用来数据压缩的正交变换。所谓数据的压缩实际上就是通过丢失能量较小高频分量,保留能量较高的低频分量,从而达到压缩的目的。-Brain network signal discrete cosine classification. The so-called classification is a kind of
人体运动检测数据
- 在研究人体运动检测时,首先需要用HOG算子提取各动作姿态的特征,然后才能选择合适的分类器进行分类。这是一些可以直接用的数据,希望有帮助。
Intelligent-Algorithm
- 该代码用于智能算法中的数据分类,提取,应用-This code is used in the intelligent data classification algorithm, extraction, application
Matlab神经网络方面案例分析
- BP神经网络的数据分类——语音特征信号分类,可以帮助到学习Matlab的人们