蜂群算法matlab

AR模型的谱估计是现代谱估计的主要内容：1．AR模型的Yule—Walker方程和Levinson-Durbin递推算法；Burg算法：；3.改进的协方差法；AR模型阶数P的选择：MATLAB中AR模型的谱估计的函数说明：1． Pyulear函数：2． Pburg函数：3． Pcov函数：4.Pmcov:

matlab中深度学习的工具箱，有SAE DBN CAE CNN NN等

期末安卓大作业，自己做的一个熊猫记事本。有登录界面，对记事的增删改查，支持关键字模糊查询和日期查询，记事可以加锁也可以设置闹钟提醒，可以拍照记事，分享等等。每一行都有注释！！！每一行！！！不用担心看不懂，压缩包里还有详尽的几十页的报告，我想只要花个几个小时看下，这个记事本就是你的大作业了，对于初学者来说当一个小项目的demo也很不错的。最后再说一遍，每一行都有注释！！！还有详细的报告哦~

基于leaflet的生成流体风场代码，leaflet-velocity，leaflet风场流线插件

ad7768驱动程序，头文件源文件，可稍作修改用于DSP或单片机AD的开发，AD7768可通过引脚配置，也可以通过SPI配置，8通道24位ADC

【实例简介】不是高清版，不过还算看得清楚 线性控制系统工程（英文影印版） 作者：Morris Driels 出版社：McGraw-Hill 出版时间：2000-12-1 丛编项：国际知名大学原版教材系列丛书 《国际知名大学原版教材·信息技术学科与电气工程学科系列（2）：线性控制系统工程》的定位是要为机械工程、电机工程、电子工程、计算机工程等非控制工程专业的本科生提供一本内容适度、实用性强和学时较少的控制理论教材。内容覆盖了经典控制理论和现代控制理论的基础部分，方法包括了频率响应法、根轨迹法和状态空间法。《国际知名大学原版教材·信息技术学科与电气工程学科系列（2）：线性控制系统工程》已被美国多所知名大学采用作为电子工程等专业的本科层次的控制理论教材或主要教学参考书。《国际知名大学原版教材·信息技术学科与电气工程学科系列（2）：线性控制系统工程》的主要特点是，从非控制工程专业本科生对控制理论的需求和教学学时相对要少的实情出发，在体系结构和内容安排上作了富有新意的改革。例如，破除章节式结构、设立专题；破除按一个结论引入例子的惯例，增加来自不同专业工程的研究案例。

检测估计和调制理论作者简介　　Harry L.Van Trees 美国麻省理工学院电子工程系教授，曾担任美国空军首席科学家、美国国防通信署首席科学家等要职。 　迄今为止，本书仍然是公认的关于检测、参数估计和线性与非线性调制波形估计方面的一本论述详尽、深入、成功的著作。也是一本较好的研究生教材。内容是研究发生在通信、雷达和声纳中被噪声污染了的各种线性与非线性调制、随机与非随机波形的最佳处理的数学方法和物理结构，各种系统可能达到的性能极限和影响它的各种因素。全书包括导论、经典检测和估计理论、随机过程的描述、信号检测与信号参数估计、连续波估计、线性估计和讨论等7章。每章附有相当数量的扩大内容

牟乃夏 ArcGIS Engine地理信息系统开发教程PDF 有详细核心代码讲解

大数据解决方案，用于网站、非BI的大数据分析解决方案。前言:大数据时代来临大数据时代已经到来,不同于以往的概念和趋势层面,行业领导者们(尤其是互联网、金融、零售、企业级服务等行业)在这一领域不断锐意进取,积极应用海量数据的采集和分析,实现端到端的深度洞察,调整战略和业务决策,改善核心业务运营,构建差异化竞争优势,向着以数据驱动为核心的方向前进Gartner预测,到2020年,大数据将成为主流的嵌入式技术,并被视为常规产品的一部分。麦肯锡在对200多家不同类型公司的实际调研中发现,无论B2B还是B2C公司都在通过数据驱动业务增长,其中B2B领域中,在数据驱动下的B2B领先企业的收入增长能力是普通企业的5倍、盈利能力高8倍、股东整体回报率高2倍。数据驱动能力正在成为企业重要变革和核心竞争力。2017年,随着机器学习、人工智能、物联网等技术的应用深化,必将推动大数据领域新一轮爆发式发展。走在前沿的领导企业和行业新锐,将进一步聚焦如何高效利用企业内外部产生的海量数据,拒绝“拍脑袋”,一切用数据说话!前25%的B2B领先企业其他的B2B企业5X~8X2X4.3%13.5%18.1%10.3%0.8%1.8%业绩增长利润增长股东回报率数据来源: McKinsey Digital Quotient, Capital IG目录公司简介01什么是数据驱动-02什么是用户行为分析03企业数据分析面临的挑战04神策分析(SA)是什么05神策分析(SA)的产品特点06产品架构图07案例精选互联网金融08消费电子16移动出行20企业服务24电子商务32传媒娱乐36医疗健康52公司简介Helo,Doer!你好,先行者!“数据源乃大数据之根基。管理数据源如扎根土壤,根基稳固方能避免“空中楼阁”。这是我在大数据行业工作近十年的最大心得,也是神策数据服务企业的核心理念驱动决策并未充分发挥大数据的全部价值,让产品智能化更代表行业发展方向。目前大部分数据分析产品可满足企业在决策层面的分析需求。在未来,随着大数据在行业应用的深化,必将更加依赖强健的数据仓库和灵活的平台开发能力,通过基础数据叠加算法模型,从而驱动产品智能化。”一神策数据创始人&CEO桑文锋谈数据驱动两点心得我们是谁神策数据( Sensors Data),隶属于神策网络科技(北京)有限公司,是一家专业的大数据分析服务公司,致力于帮助客户实现数据驱动●我们做什么神策分析( Sensors Analytics,以下简称SA),是针对企业级客户推出的深度用户行为分析产品,支持私有化部署、基础数据采集与建模、PaS平台深度开发,提供大数据相关咨询服务和完整的行业解决方案。我们的团队团队核心成员—一桑文锋(创始人&CE),曹犟(联合创始人&CTo),刘耀洲(联合创始人&C○O),付力力(联合创始人&首席架构师)均来自百度大数据部,从零构建了百度的日志分析大数据处理平台,在大数据分析领域有10年积累,实战经验丰富,数据分析技术领先。●资本的支持公司成立以来,获得线性资本、明势资本、薛蛮子的天使轮投资,红杉资本、DCM分别领衔的A、B两轮持续投资。●我们的服务神策数据积累了聚美优品、广发证券、融360、秒拍、ofo共享单车、百联集团等300余家付费企业用户的服务和客户成功经验,为客户提供全面的指标梳理、数据模型搭建等专业的咨询、实施和技术支持服务。01什么是数据驱动定义:通过数据采集、数据建模、数据分析,帮助企业高效获取数据并进行多维度、海量、实时的数据分析,从而驱动决策和产品智能化。驱动决策●运营监控拉新:吸引更多的新用户,不只是关心用户触达,还要关心用户激活。留存:让已有用户重复地使用产品,留存是节流,好的留存才让拉新有意义。变现:一个不能变现的产品不是好产品●产品改进构建:开发新功能。测量:对新功能的表现进行数据测量。学习:通过分析得出结论,对新功能进行调整,或转化为新功能。●商业决策客户分布,画像描述,指导商业扩张战,收购并购等战略决策。驱动产品智能机器学习、人工智能、物联网等新技术的最佳实践,必须建立在企业对大数据的应用能力之上,唯有打好数据基础并充分利用,才能实现产品智能化。什么是用户行为分析定义:通过获取用户行为数据,进行多维度、精细化的统计分析,从而还原用户使用场景。价值:用户行为分析是企业实现数据驱动的前提,丰富的用户行为数据为企业的运营改进、产品优化和商业决策提供基础。做好用户行为分析的两大关键因素数据采集要大、全、细、时大:宏观的大,而非数据量的大。全:多种数据源(客户端、服务器、数据库、历史数据导入)。细:多种数据维度、指标、属性。时:时效性——秒级处理,实时更新。有效的用户行为事件模型—事件( Event)+用户(User)规范并结构化用户行为。Who:参与此事件的用户事件 EventWhen:事件发生的实际时间Where:事件发生的地点事件模型How:用户进行事件的方式What:描述用户所做的事件的具体内容记录和收集用户的长期属性( User Profile)用户User通过ID与相关的 Event关联0203企业数据分析面临的挑战我国大多数企业的数据化建设道路仍刚刚起步,呈现以下特点企业内外部数据爆发式增长,企业对大数据价值认知程度不断提升数据采集缺失或埋点无序混乱,数据分析的工具运用能力、行业经验有限。Q数据安全问题成为企业数字化进程的最大顾虑。在实际的业务应用中,数据分析方面的常见问题¤目拍脑袋:无数据分析支撑,依靠“拍脑袋”决策。分析浅:有数据仪表盘,但统计内容泛泛,难以深挖真实原因。效率低:多业务线的数据分析需求旺盛,工程师团队手工“跑”表,效率低下,错过业务最佳决策时机不匹配:工程师从系统导出的报表与业务的需求不匹配,造成“鸡同鸭讲”数据孤岛:CRM、ERP等业务系统数据无法打通,且跨部门、多业务线数据完全独立,无法全局分析。神策分析(SA是什么神策分析是针对企业级客户推岀的深度用户行为分析产品,支持私有化部署、基础数据采集与建模、PaS平台深度开发,提供大数据相关咨询服务和完整的行业解决方案。无论是新兴互联网公司,还是正在进行数字化转型的企业,神策分析(SA)帮助您勾勒精准用户画像、有效评估营销效果、分析运营活动、优化产品体验,真正实现数据驱动。勾勒精准用户画像有效评估营销效果分析运营活动优化产品体验0405神策分析(SA)的产品特点可私有化部署基础数据采集与建模不仅提供Sas公有云部署,多种埋点方式支持客户端、服更支持私有化部署模式,打造务器日志、业务数据库、第三企业专属的数据平台,消除数方服务、历史数据导入等全端据安全顾虑。数据采集,无死角的数据采集是一切分析的前提。用户分群,精益分析多维度分析通过用户分群,进行目标市场轻松上手事件、漏斗、留存的细分,实现精细化和差异化访问等分析模型,灵活组合、用户运营。秒级响应,探索不同业务中的关键行为,洞察指标背后掩藏的问题。PaaS平台深度开发行业方案完全开放的数据接入,实时访为电商、互联网金融、企业服问数据,无缝对接内部业务系务、视频直播、游戏、在线教666统,满足灵活多变的深度分析育等行业打造了专业的用户行需求。为解决方案,快速开启您的数据驱动之旅。

基于K-means聚类算法的图像分割算法的基本原理： 基于K-means聚类算法的图像分割以图像中的像素为数据点，按照指定的簇数进行聚类，然后将每个像素点以其对应的聚类中心替代，重构该图像。算法步骤：①随机选取K个初始聚类中心；②计算每个样本到各聚类中心的距离，同时将每个样本归到与其距离最近的聚类中心；③对每个簇，以所有样本的均值作为该簇新的聚类中心；④重复第②~③步,直到聚类中心不再变化；⑤结束，得到K个聚类。