98598152

脉动风速功率谱估计,并与标准风谱进行对比()

计算传递熵延迟时间的程序，根据延迟对应最大传递熵的原理(A program for calculating the delay time of transfer entropy)

说明：  《从零开始学爬虫》的配套资料（PPT和源码）("Learning Reptiles from Zero" (PPT and Source))

波形设计算法，阵列信号处理等相关知识的介绍仿真等(Introduction and Simulation of waveform design algorithm, array signal processing and other related knowledge)

数据挖掘中的binning算法，用于数据预处理(Binning algorithm in data mining for data preprocessing)

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

在linux 下C语言实现最近邻聚类算法，工程已经使用(near K neighbor cluster)

《从零开始学爬虫》的配套资料（PPT和源码）("Learning Reptiles from Zero" (PPT and Source))

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。 

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)