CDN加速镜像 | 设为首页 | 加入收藏夹
当前位置: 首页 资源下载 文档资料 软件工程 搜索资源 - 数据挖掘分类

搜索资源列表

  1. ANewmethod

    0下载:
  2. 一种文本分类数据挖掘的技术,比较几种不同的文本分类方法,重点介绍熵。
  3. 所属分类:软件工程

    • 发布日期:2014-01-16
    • 文件大小:165.51kb
    • 提供者:lili
  1. SVMMATLAB

    0下载:
  2. SVM数据挖掘分类实验系统,matlab svm工具箱使用实例
  3. 所属分类:软件工程

    • 发布日期:2014-01-17
    • 文件大小:682.63kb
    • 提供者:楚燕
  1. DataMiningBasedOnClassificationAndAssociationRules

    0下载:
  2. 本文从基于数据库的知识发现开始,较系统全面地介绍了KDD、数据挖掘都基本概念,并研究了数据挖掘所采用都技术方法和应用领域:在现有研究工作的基础上,提出用连续量代替离散量来表示客体的思想,同时采用积分面积来表示两个客体之间都距离,并对客体进行分类。利用上述方法对学生都数据进行挖掘,得到了一些有用的结论,从而指导学校都教学工作。-Based on the knowledge discovety in database this paper presents a introduction of KDD
  3. 所属分类:software engineering

    • 发布日期:2017-04-10
    • 文件大小:1.88mb
    • 提供者:yunzhang
  1. AnApproachToTheNeuralNetworkBasedDataMining

    0下载:
  2. 针对数据挖掘中的分类问题,本文提出了一种利用神经网络抽取分类规则都方法。为了易于抽取规则,采用遗传算法对神经网络的结构进行了进化。实际运行结果表明了该方法的有效性。-Classification is an inportant problem in data mining.This paper presents an approach to discover classification rules by using neural networks.Genetic algorithms is u
  3. 所属分类:software engineering

    • 发布日期:2017-04-07
    • 文件大小:20.06kb
    • 提供者:yunzhang
  1. ARM

    0下载:
  2. 数据挖掘,分类的方法介绍和聚类的相关应用等-data mining
  3. 所属分类:software engineering

    • 发布日期:2017-04-16
    • 文件大小:341.25kb
    • 提供者:王洁
  1. datamining

    0下载:
  2. 主要介绍在大型数据库中发现知识(Knowledge Discovery in Large Databases, KDD)的各种技术,是专门针对决策支持中的各类问题进行讨论的高端课程。面向对象为软件工程专业硕士研究生。 本课程讲授的主要内容包括:数据预处理、数据仓库及OLAP、概念描述型数据挖掘、关联规则挖掘、分类挖掘和预测以及聚类挖掘,涉及的领域包括数理统计、概率论、机器学习、信息论、集合论等等。-Introduces knowledge discovery in large dat
  3. 所属分类:software engineering

    • 发布日期:2017-05-15
    • 文件大小:3.61mb
    • 提供者:onlearning
  1. Decision-Tree

    0下载:
  2. 决策树是数据挖掘分类算法的一个重要方法。在各种分类算法中,决策树是最直观的一种。决策树(Decision Tree)是在已知各种情况发生概率的基础上,通过构成决策树来求取净现值的期望值大于等于零的概率。-A decision tree is an important method of data mining classification algorithms. In various classification algorithms, decision trees is the most in
  3. 所属分类:software engineering

    • 发布日期:2017-04-25
    • 文件大小:162.25kb
    • 提供者:yanhaohui
搜珍网 www.dssz.com