搜索资源列表
-
1下载：
Weka is a collection of machine learning algorithms for data mining tasks. The algorithms can either be applied directly to a dataset or called from your own Java code. Weka contains tools for data pre-processing, classification, regression, clusteri
-
-
0下载：
Weka，一个数据挖掘工具。功能包括：分类、聚类和关联规则等等。这是该开源软件的源代码，版本为3.5.7,Weka, a data mining tool. Features include: classification, clustering and association rules, etc.. This is the open source software source code, version 3.5.7
-
-
3下载：
基于K-means聚类算法的社团发现方法
先定义了网络中节点关联度,并构建了节点关联度矩阵, 在此基础上给出了一种基于 K-means聚类算法的复杂网络社团发现方法。
以最小关联度原则选取新的聚类中心, 以最大关联度原则进行模式归类,直到所有的节点都划分完为止, 最后根据模块度来确定理想的社团数-K-means clustering algorithm based on the association discovery
To define a network node cor
-
-
0下载：
Rose2里含有好多粗糙集的算法，可以实现数据预处理约简，求关联规则，求聚类和分类，非常实用。-Rose2 contains a lot of rough set algorithm, can achieve reduction of data preprocessing, find association rules, clustering and classification requirements, very practical.
-
-
0下载：
weka全名是怀卡托智能分析环境（Waikato Environment for Knowledge Analysis），是一个公开的数据挖掘工作平台，集合了大量能承担数据挖掘任务的机器学习算法，包括对数据进行预处理，分类，回归、聚类、关联规则以及在新的交互式界面上的可视化-full name is weka intelligent analysis environment Waikato (Waikato Environment for Knowledge Analysis), is an o
-
-
0下载：
weka源代码 最全最新的 数据挖掘用机器学习实现。包含聚类 分类 关联规则 离群点监测。java平台-weka most up-to-date source of data mining using machine learning to achieve. Clustering association rules classification contains outliers monitoring. java platform
-
-
0下载：
Weka是一个超强功能的machine learning开发包-Weka is a collection of machine learning algorithms for data mining tasks. The algorithms can either be applied directly to a dataset or called from your own Java code. Weka contains tools for data pre-processing, clas
-
-
0下载：
数据挖掘(Data Mining)阶段首先要确定挖掘的任务或目的。数据挖掘的目的就是得出隐藏在数据中的有价值的信息。数据挖掘是一门涉及面很广的交叉学科，包括器学习、数理统计、神经网络、数据库、模式识别、粗糙集、模糊数学等相关技术。它也常被称为“知识发现”。知识发现(KDD)被认为是从数据中发现有用知识的整个过程。数据挖掘被认为是KDD过程中的一个特定步骤，它用专门算法从数据中抽取模式(patter，如数据分类、聚类、关联规则发现或序列模式发现等。数据挖掘主要步骤是：数据准备、数据挖掘、结果的解释
-
-
0下载：
Apriori 数据挖掘算法的C#实现
数据库中的知识发现 (Knowledge Discovery in Databases,KDD) 是利用计算机自动地从海量信息中提取有用的知识 , 是一种有效利用信息的新方法 , 目前已成为数据库领域的研究热点之一。 KDD 的研究焦点在于数据挖掘。数据挖掘是从大型数据库或数据仓库中提取人们感兴趣的知识 , 这些知识是隐含的 , 事先未知的潜在的有用信息。主要包括的方法有 : 分类、回归分析、聚类、关联分析等 [1][5] 。关联规则的提取主要针对大型
-
-
0下载：
weka入门学习中用到的银行数据，里面有600个实例，用于分类、聚类、回归或这关联规则 初入门试用。-the weka Getting started learning to use the bank data, there are 600 instances for classification, clustering, regression, association rules early entry to the trial.
-
-
0下载：
整体介绍数据挖掘定义及过程，对预处理、聚类、分类、关联规则讲解-Definitions and overall presentation of data mining process, pretreatment, clustering, classification, association rules explained
-
-
0下载：
在2006年9月召开的ICDM会议上，邀请了ACM KDD创新大奖(InnovationAward)和
Top 10 Algorithms in Data Mining
IEEEICDM研究贡献奖(Research Contributions Award)的获奖者们来参与数据挖掘10大算
法的选举，每人提名10种他认为最重要的算法-Classification，Statistical Learning，Top 10 Algorithms in Data Mining，material
-
-
0下载：
用于文本分类，文本挖掘，文本特征提取，文本聚类，文本关联等(It is used for text classification, text mining, text feature extraction, text clustering, text association, etc.)
-
