AP聚类算法和案例

通过包围盒法和K-D树法实现电云数据的邻域收索，邻域值可以自动设置(Point cloud data by bounding boxes and K-D tree search method income neighborhood, neighborhood values can be automatically set)

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.)

Numerical Recipes Software 提供的算法子程序集,一共有上千种算法,部分算法可以在书店买到书()

说明：  

粗糙集在进行属性约简时需要求其正域，此为求正域程序(Rough Set for Positive Domain)

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)

FDTD three-dimensional CPML

一本python数据分析的优秀资料 《python数据分析》(python data analysis)，作者【印尼】Ivan Idris，翻译：韩波。 本人制作的PDF图书，带目录和书签。 作为一种高级程序设计语言，Python凭借其简洁、易读及可扩展性日渐成为程序设计领域备受推崇的语言。同时，Python语言的数据分析功能也逐渐为大众所认可。, 本书是一本介绍如何用Python进行数据分析的学习指南。全书共12章，从Python程序库入门、NumPy数组、matplotlib和pandas开始，陆续介绍了数据加工、数据处理和数据可视化等内容。同时，本书还介绍了信号处理、数据库、文本分析、机器学习、互操作性和性能优化等高级主题。在本书的结尾，还采用3个附录的形式为读者补充了一些重要概念、常用函数以及在线资源等重要内容。, 本书示例丰富、简单易懂，非常适合对Python语言感兴趣或者想要使用Python语言进行数据分析的读者参考阅读。(python data analysis)

说明：  用于轴承大数据的故障诊断和数据挖掘，可将轴承的振动信息进行数组分析，获得预测模型，准确率较高(It can be used for fault diagnosis and data mining of bearing big data. It can analyze the vibration information of bearing by array and obtain the prediction model with high accuracy)

说明：  多种方法实现分位数回归,有完整原理解释，直接可用。(Multiple methods for quantile regression)