<s id="0gmmk"></s>
一些數(shù)據(jù)挖掘算法相關(guān),包含定義網(wǎng)絡(luò)拓?fù)?有關(guān)高血壓研究方面的數(shù)據(jù),樸素貝葉斯分類,關(guān)聯(lián)規(guī)則基本概念,數(shù)據(jù)挖掘算法, 決策樹方法在數(shù)據(jù)挖掘中的應(yīng)用,訓(xùn)練貝葉斯信念網(wǎng)絡(luò),后向傳播,貝葉斯信念網(wǎng)絡(luò),后向傳播和可解釋性,多層前饋神經(jīng)網(wǎng)絡(luò)
標(biāo)簽： 貝葉斯 數(shù)據(jù)挖掘算法 網(wǎng)絡(luò) 定義
上傳時(shí)間： 2017-04-25
上傳用戶：comua
操作系統(tǒng)中的一個(gè)例子，關(guān)于多任務(wù)下的數(shù)據(jù)結(jié)構(gòu)與算法
標(biāo)簽： 操作系統(tǒng)
上傳時(shí)間： 2017-04-26
上傳用戶：咔樂塢
從因子分析的角度出發(fā)解決基因表達(dá)譜分析問題。為解決獨(dú)立成分分析方法在求解過程中的不穩(wěn)定性，提出一種基于選擇性獨(dú)立成分分析的DNA微陣列數(shù)據(jù)集成分類器。首先對基因表達(dá)水平的重構(gòu)誤差進(jìn)行分析，選擇部分重構(gòu)誤差較小的獨(dú)立成分進(jìn)行樣本重構(gòu)，然后基于重構(gòu)后的樣本同時(shí)訓(xùn)練多個(gè)支持向量機(jī)基分類器，最后選擇部分分類正確率較高的基分類器進(jìn)行最大投票以得到最終結(jié)果。在3個(gè)常用測試集上驗(yàn)證了本文設(shè)計(jì)方法的有效性。
上傳時(shí)間： 2013-12-06
上傳用戶：蟲蟲蟲蟲蟲蟲
L3_1.m: 純量量化器的設(shè)計(jì)(程式) L3_2.m: 量化造成的假輪廓(程式) L3_3.m: 向量量化器之碼簿的產(chǎn)生(程式) L3_4.m: 利用LBG訓(xùn)練三個(gè)不同大小與維度的碼簿並分別進(jìn)行VQ(程式) gau.m: ML量化器設(shè)計(jì)中分母的計(jì)算式(函式) gau1.m: ML量化器設(shè)計(jì)中分子的計(jì)算式(函式) LBG.m: LBG訓(xùn)練法(函式) quantize.m:高斯機(jī)率密度函數(shù)的非均勻量化(函式) VQ.m: 向量量化(函式) L3_2.bmp: 影像檔 lena.mat: Matlab的矩陣變數(shù)檔
上傳時(shí)間： 2013-12-26
上傳用戶：jiahao131
模擬退火算法的基本思想是從一給定解開始,從鄰域中隨機(jī)產(chǎn)生另一個(gè)解,接受Metropolis準(zhǔn)則允許目標(biāo)函數(shù)在有限范圍內(nèi)變壞,它由一控制參數(shù)t決定,其作用類似于物理過程中的溫度T,對于控制參數(shù)的每一取值,算法持續(xù)進(jìn)行“產(chǎn)生—判斷—接受或舍去”的迭代過程,對應(yīng)著固體在某一恒定溫度下的趨于熱平衡的過程,當(dāng)控制參數(shù)逐漸減小并趨于0時(shí),系統(tǒng)越來越趨于平衡態(tài),最后系統(tǒng)狀態(tài)對應(yīng)于優(yōu)化問題的全局最優(yōu)解,該過程也稱為冷卻過程,由于固體退火必須緩慢降溫,才能使固體在每一溫度下都達(dá)到熱平衡,最終趨于平衡狀態(tài),因此控制參數(shù)t經(jīng)緩慢衰減,才能確保模擬退火算法最終優(yōu)化問題的整體最優(yōu)解。
標(biāo)簽： Metropolis 控制 參數(shù) 模擬退火算法
上傳時(shí)間： 2013-12-25
上傳用戶：cmc_68289287
運(yùn)行環(huán)境：IIS+ACCESS 安裝提示： 1.本軟件解壓后需要先運(yùn)行“Setup_Pro.exe” 2.將壓縮包中的所有文件放在IIS的虛擬目錄下 問卷調(diào)查分析系統(tǒng)的適用范圍 市場調(diào)查 客戶反饋 科研調(diào)研 數(shù)據(jù)收集 網(wǎng)站調(diào)查 表單開發(fā) 心理調(diào)查 考試試卷 鋒蘊(yùn)科技在線問卷調(diào)查分析系統(tǒng)的內(nèi)核是一套表單開發(fā)引擎 單行填充題(單行輸入控件) 多行填充題(多行輸入控件) 單選+文本輸入 多選+文本輸入 問答題 可以查看每一位受調(diào)查者的問卷填寫情況 可以統(tǒng)計(jì)出每一道題的填寫百分率 程序精細(xì)控制 防IP重復(fù)提交，可設(shè)置重復(fù)提交時(shí)間間隔 可設(shè)定問卷結(jié)束日期 問卷密碼前置，可設(shè)置問卷密碼，打開問卷前需要輸入密碼，保護(hù)你的問卷 即時(shí)開關(guān)問卷，即時(shí)開關(guān)問卷，使問開啟或者關(guān)閉 在線統(tǒng)計(jì)分析 顯示一張答卷所有內(nèi)容 頻率頻數(shù)分析 條形圖 可以將統(tǒng)計(jì)結(jié)果打印出來
標(biāo)簽： IIS Setup_Pro ACCESS exe
上傳時(shí)間： 2017-07-04
上傳用戶：zhangjinzj
目標(biāo)跟蹤中的全局最小二乘算法，通過做多次蒙德卡諾試驗(yàn)獲得其二階距性能估計(jì)
標(biāo)簽： 目標(biāo)跟蹤 全局 算法
上傳時(shí)間： 2017-07-06
上傳用戶：familiarsmile
模擬linux下的shell中的目錄系統(tǒng)，把目錄抽象為一個(gè)多叉樹，目錄的打印比較有創(chuàng)意，雖然和pstree的打印結(jié)果很像，程序中用了大量的遞歸，簡化了代碼的長度，增強(qiáng)了可讀性
上傳時(shí)間： 2017-07-07
上傳用戶：Yukiseop
心目中的編程高手，介紹一些編程高手的事跡，希望更多人了解
上傳時(shí)間： 2014-01-03
上傳用戶：gaome
Witness動態(tài)變量使用案例 Witness中的動態(tài)數(shù)組其實(shí)是一維數(shù)組，也稱為動態(tài)變量，可以存放多個(gè)數(shù)值，但是在定義動態(tài)變量時(shí)，我們不需要對其進(jìn)行數(shù)量的設(shè)定（或者說一維數(shù)組長度的設(shè)定）。
標(biāo)簽： Witness 動態(tài) 變量 動態(tài)數(shù)組
上傳時(shí)間： 2014-01-19
上傳用戶：weixiao99
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
