propospuionsview

实现通用的matlab蚁群算法的c++源码 重复使用度高()

FIR Filter Design This chapter treats the design of linear-pha()

脉动风速功率谱估计,并与标准风谱进行对比()

一种神经网络算法：极限学习机（ELM)，包括分类和回归，仿真验证无误，适合初学者练习(A data mining algorithm: limit learning machine (ELM), including classification and regression, simulation verification is unmistakable, suitable for beginners to practice)

Java实现Apriori数据挖掘算法,包内还有实例用的数据库 Apriori数据挖掘算法:先找出所有的频集，这些项集出现的频繁性至少和预定义的最小支持度一样。然后由频集产生强关联规则，这些规则必须满足最小支持度和最小可信度。然后使用第1步找到的频集产生期望的规则，产生只包含集合的项的所有规则，其中每一条规则的右部只有一项，这里采用的是中规则的定义。一旦这些规则被生成，那么只有那些大于用户给定的最小可信度的规则才被留下来。为了生成所有频集，使用了递归的方法。 请在jbuilder下编译 配好JDBC驱动 商品如果 买的表示为大写 没买表示为小写的 具体看GetSource.java

此为利用optics聚类方法剔除风电异常数据后，采用极限学习机验证的代码(optics data mining)

复杂网络聚类系数的matlab编程代码,将复杂网络存储为矩阵,再对其matLab编程,可得到度分布图(The MATLAB programming code of clustering coefficient of complex network is used to store complex network as matrix, and then matLab programming is used to get the degree distribution graph.)

自动生成Excel表格，包括测量系统分析MSA GR&R--均值极差法 ,方差分析，均值极差(Automatic generation of Excel tables, including measurement system analysis MSA GR&R - mean extreme difference method, variance analysis, mean extreme difference)

说明：  分类器的性能比较与调优: 使用scikit-learn 包中的tree，贝叶斯，knn，对数据进行模型训练，尽量了解其原理及运用。 使用不同分析三种分类器在实验中的性能比较，分析它们的特点。 本实验采用的数据集为house与segment。(Performance comparison and optimization of classifiers: We use tree, Bayesian and KNN in scikit-learnpackage to train the data model and try to understand its principle and application. The performances of three classifiers are compared and their characteristics are analyzed. The data set used in this experiment is house and segment.)

说明：  将数据集转换为拉普拉斯矩阵，然后利用基于图论的谱聚类进行聚类。拉普拉斯矩阵采用高斯核函数，全连接方法计算。谱聚类擅长处理高维数据或非凸数据集。(The data set is transformed into Laplacian matrix, and then clustered by spectral clustering based on graph theory. The Laplacian matrix is calculated by using the Gauss kernel function and the full connection method. Spectral clustering is good at dealing with high-dimensional or non-convex data sets.)