-
89245721
说明:
- 2017-12-09 07:59:44下载
- 积分:1
-
一种信号的处理方法 SES
说明: 一种信号的处理方法,用于非平稳的信号处理(A signal processing method for nonstationary signal processing)
- 2020-07-13 08:18:52下载
- 积分:1
-
FDP聚类算法
说明: 一种无监督的聚类算法,基于密度聚类,名称为基于快速搜索与寻找密度峰值的聚类(Clustering by fast search and find of desity peaks)
- 2020-02-24 15:43:51下载
- 积分:1
-
propospuionsview
算法分析中的贪心算法的实现,并有完整的测试数据()
- 2018-05-28 16:41:27下载
- 积分:1
-
qb神经网络
从数据库获取车辆在一段时间内的所有行驶记录的相关数据,确定所需数据为GPS经纬度坐标和驾驶时长等,QB模型采用MDF的思想,其基本思想为:通过平均直接翻转距离函数定义两条轨迹之间的距离,两条轨迹需要具有相同的经纬度点数,具有相同点数的轨迹最大的优点是对轨迹距离成对计算,且相同轨迹之间具有更高的分辨率,对于轨迹聚类的结果有一定的优化。(Retrieved from the database cars all over a period of time, record the related data, determine the required data for the GPS latitude and longitude coordinates, and the driving time, QB model by adopting the idea of MDF, its basic idea is: flip directly by the average distance function definition of the distance between two trajectories, two tracks will have the same latitude and longitude points, and has the biggest advantages of the same points of trajectory track distance calculation in pairs, and has higher resolution, between the same trajectory for trajectory clustering results have certain optimization.)
- 2020-06-23 08:00:01下载
- 积分:1
-
holt_winters
holt-winters 三次指数平滑算法,时间序列预测算法,带测试数据及Demo(Triple Order Exponential Smoothing, Holt-Winters algorithm, time series prediction algorithm with test data and Demo)
- 2016-10-10 18:57:02下载
- 积分:1
-
emd program-matlab
EMD经验模态分解算法程序,适合非线性,非平稳时间序列的处理(EMD empirical mode decomposition algorithm program)
- 2019-01-14 20:43:57下载
- 积分:1
-
文本分类(采用Java语言)
资源描述利用分类算法实现对文本的数据挖掘,主要包括: 1. 语料库的构建,主要包括利用爬虫收集Web文档等; 2. 语料库的数据预处理,包括文档建模,如去噪,分词,建立数据字典, 使用词袋模型或主题模型表达文档等; 注:使用主题模型,如LDA可以获得实验加分; 3. 选择分类算法(如朴素贝叶斯、SVM等),训练文本分类器,理解所选 的分类算法的建模原理、实现过程和相关参数的含义; 4. 对测试集的文本进行分类 5. 对测试集的分类结果利用正确率和召回率进行分析评价。
- 2022-02-13 04:15:07下载
- 积分:1
-
0056764
这是一本经典数值算法书,包含多种算法的理论,为编程者具有一定参考意义()
- 2018-05-25 16:07:55下载
- 积分:1
-
knn.py
kNN算法的核心思想是如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别,则该样本也属于这个类别,并具有这个类别上样本的特性。该方法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。 kNN方法在类别决策时,只与极少量的相邻样本有关。由于kNN方法主要靠周围有限的邻近的样本,而不是靠判别类域的方法来确定所属类别的,因此对于类域的交叉或重叠较多的待分样本集来说,kNN方法较其他方法更为适合。(Basic source application)
- 2018-10-30 16:50:13下载
- 积分:1