搜索资源列表
svm
- 支持向量机(SVM)是数据挖掘中的一个新方法，能非常成功地处理回归问题(时间序列分析)和模式识别(分类问题、判别分析)等诸多问题，并可推广于预测和综合评价等领域，因此可应用于理科、工科和管理等多种学科-Support vector machine
machinelearninganddatamining
- “机器学习”是人工智能的核心研究领域之一， 其最初的研究动机是为了让计算机系统具有人的学习能力以便实现人工智能，因为众所周知，没有学习能力的系统很难被认为是具有智能的。“数据挖掘”和“知识发现”通常被相提并论，并在许多场合被认为是可以相互替代的术语。据库界提供的技术来管理海量数据。 因为机器学习和数据挖掘有密切的联系，受主编之邀，本文把它们放在一起做一个粗浅的介绍。-" Machine learning" is the core research areas of arti
yxsjwj
- 决策是管理的核心，是提出问题并解决问题的过程。诊断是提出问题的钥 匙，是解决问题的前提。《营销数据挖掘》通过对营销信息的加工、分析、诊 断，明晰出企业营销的问题和工作重点，为管理层实施决策提供了前期保证。 该软件具有数据采集、集成加工、营销分析、营销预测、辅助决策、市场 诊断、进存优化等诸多功能。它借助两年以上的营销信息，辅助企业准确、精 细且高效地实施营销决策。使企业始终保持旺盛的生命力和效益的稳定增长。-Decision-making is the core of man
Applied_Data_Mining
- 《实用数据挖掘》 本书对面向应用的数据挖掘方法进行了清晰的阐述，包括经典的多元统计方法、贝叶斯多元统计方法、基于机器学习的数据挖掘方法和基于计算的数据挖掘方法等。介绍了数据挖掘领域中许多最新的研究成果，如关联规则、序列规则、图示马尔可夫模型、基于存储的推理、信用风险和Web挖掘等。并详细介绍了选自实际工业项目的6个应用实例，强调了数据挖掘方法的实用性。 本书主要面向计算机科学、信息管理、应用统计学和经济学等专业的高年级本科生和研究生。对实际从事海量数据分析和处理的技术人员也有很好的指导作用和
Supply_Chain_Management
- 供应链管理实用建模方法及数据挖掘 本书包括：经济全球化及企业竞争优势、供应链管理理论、供应链本流及其定量分析方法、提高供应链管理的运作绩效等内容。 简明目录： 1.经济全球化及企业竞争优势/2.供应链管理理论/3.供应链成本流及其定量分析方法/4.提高供应链管理的运作绩效/5.几种数据驱动型建模方法/6.产品供应链中的数据挖掘技术/7.供应链契约//参考文献-Supply Chain Management Modeling and Data Mining practical
contacts1
- 利用线性表实现一个通讯录管理，通信录的数据格式如下： struct DataType { int ID //编号 char name[10] //姓名 char ch //性别 char phone[13] //电话 char addr[31] //地址 } 要求： ? 实现通讯录的建立、增加、删除、修改、查询等功能 ? 能够实现简单的菜单交互，即可以根据用户输入的命令，选择不同的操作。 ? 能够保
Text-mining
- 文本挖掘 数据挖掘 智能化知识管理 知识挖掘-Text mining，Date mining，KM system knowledge management
date_F_A2103879
- 本书介绍了几种比较流行的现代综合评价方法的理论和应用。 主要内容包括： 层次分析法、模糊综合评判法、数据包络分析法、人工神经网络评价法、灰色综合评价法及其在经济管理中的典型应用案例。 其中，关于人工神经网络评价法和灰色综合评价法的内容，是第一次比较系统地出现在此类著作之中。 最后一章，对几种综合评价方法的结合与集成做了讨论。本书避开了某些深奥的数学背景，简明、系统地分析了几种方法的应用理论基础，拟在基本理论与实际应用之间建立起“桥梁” 。 书中汇集了大量的典型应用案例，供广大读者借鉴和参考。
Semi-supervised-learning
- 义了一个欧氏距离和监督信息相混合的新的最近邻计算函数，从而将K一均值算法很好地应用于半 监督聚类问题。针对K一均值算法初始质心敏感的缺陷，用粒子群算法的搜索空间模拟聚类的欧氏空间，迭代搜 索找到较优的聚类质心，同时提出动态管理种群的策略以提高粒子群算法搜索效率。算法在UCI的多个数据集 上测试都得到了较好的聚类准确率。-Righteousness of a Euclidean distance and supervision of a mixture of new nearest n
DeepLearnToolbox_CNN_lzbV3.0
- CNN - 主程序 参考文献: [1] Notes on Convolutional Neural Networks. Jake Bouvrie. 2006 [2] Gradient-Based Learning Applied to Document Recognition. Yann LeCun. 1998 [3] https://github.com/rasmusbergpalm/DeepLearnToolbox 作者：陆振波 电子