LOF

数据挖掘经典算法，频繁项集挖掘经典算法，CFPGROWTH算法，JAVA实现，代码中有详细注释

人工智能中,经典的基于小波变换的图像处理和图像去噪的解决办法,可下载后观摩使用(In artificial intelligence, the classical image processing and image denoising based on wavelet transform can be downloaded and used)

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

这是C语言中的难点的一些算法,其中包括用C实现的班级成绩管理,用C实现的排序算法等()

基于混合信号的小波包分解技术在故障特征提取中的应用(Feature Extraction Using Multisignal Wavelet Packet Decomposition)

PCA 数据降维 PTYTHON 数据分析/挖掘(PCA dimensionality reduction data mining/analysis)

数据挖掘中编写C语言程序数据预处理，读取文本文件中的数据，使用链表，并输出该组数据的按平均值、中值、边界值平滑的结果。若分箱时数据缺失则用最后的值复制代替，还要找出程序中的离群点，要求程序符合结构化程序设计风格，关键地方需加注释。完美实现！

利用一维卷积神经网络将叶子进行分类，里面包含的有数据(Classification of leaves using one dimensional convolution neural network)

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)

很好用的关联规则挖掘经典算法，推荐使用。包括支持度、置信度、提升度，输出结果到excel文件(Good use of association rules mining classic algorithm, recommended)