VIP会员

数据挖掘在生物信息学中的应用.pdf

数据挖掘在生物信息学中的应用.pdf

Bioinformatics生物信息学：序列和基因组分析.pdf

Bioinformatics生物信息学：序列和基因组分析.pdf 英文版

生物信息学札记 第三版 pdf

生物信息学札记 第三版 有需要的可以看看，不错的资料！！！！

数据挖掘在生物信息学中的应用——文献计量学视角.pdf

数据挖掘在生物信息学中的应用——文献计量学视角.pdf

快速数据挖掘数据分析实战RapidMiner工具应用第13章 Web挖掘V1.1.pdf

我们将建立一个RapidMiner挖掘流程，来学习如何通过连接到生物医学期刊网站，获取蛋白质相关论文的web数据，从中找到用户关心的某些信息内容：某蛋白质近年来论文发表数量趋势，及该蛋白质论文的作者、联系邮箱、...

浅析大数据时代下数据可视化技术.pdf

可视化 (Visualization) 技术是利用计算机图形学和图像处理 技术，将数据转换成图形或图像在屏幕上显示出来，并进行交 互处理的理论、 方法和技术。 它涉及到计算机图形学、 图像处理、 计算机视觉、 计算机辅助...

论文研究-基于局部扩充优化的重叠社群检测方法的改进.pdf

生物信息学、社会网络、Web分析等方面的发展积累了大量的复杂网络数据信息，在对这些复杂网络进行社群检测时，往往会将一些节点归类于多个社群，目前已经提出了一些处理此类问题的算法（如LFK、GCE等），然而这类...

论文研究-基于数据预处理的并行分层聚类算法.pdf

分层聚类技术在图像处理、入侵检测和生物信息学等方面有着极为重要的应用,是数据挖掘领域的研究热点之一。针对目前基于SIMD模型的并行分层聚类算法处理海量数据时效果不理想的问题,提出一种基于数据预处理的自适应...

论文研究-自动估计正则化参数的非负矩阵分解方法 .pdf

自动估计正则化参数的非负矩阵分解方法，史振威，程大龙，非负矩阵分解（Non-negative Matrix Factorization, NMF）是近年发展起来的一种矩阵分解的方法，被广泛应用于人脸识别、数据挖掘、生物信息学�

数据算法 Hadoop Spark大数据处理技巧

《数据算法：Hadoop/Spark大数据处理技巧》介绍了很多基本设计模式、优化技术和数据挖掘及机器学习解决方案，以解决生物信息学、基因组学、统计和社交网络分析等领域的很多问题。这还概要介绍了MapReduce、Hadoop和...

模式分析的核方法

模式分析的应用覆盖了广泛领域，从复杂的生物信息学到相对简单的文档检索等。.. 　本书所描述的核方法为所有这些学科提供了一个有力的和统一的框架，推动了可以用于各种普遍形式的数据 (如字符串、向量、文本等) 的...

The Elements of Statistical Learning 2nd edition (2016)

理解这些数据是一种挑战，这导致了统计学领域新工具的发展，并延伸到诸如数据挖掘、机器学习和生物信息学等新领域。许多工具都具有共同的基础，但常常用不同的术语来表达。《统计学习基础(第2版)(英文)》介绍了这些...

Python基于机器学习实现的股票价格预测、股票预测源码+数据集，机器学习大作业

python数据分析,因为股票价格的影响因素太多，通过k线数据预测未来的价格变化基本不可行，只有当天之内的数据还有一定的关联，故feature与target都选择的是当天的数据。 加载数据 为了加快数据的处理速度，提前将mariadb数据库中的数据查询出来，保存成feather格式的数据，以提高加载数据的速度。 经过处理，不同股票的数据保存在了不同的文件中，列名还保持着数据库中的字段名。我选择了股票代码为sh600010的这只股票作为数据分析的数据来源。预测出来的结果与真实值变化趋势相近，说明线性回归模型在一定程度上能够解释收盘价与选取的feature之间的关系

组合预测模型给你了，核主成分分析+经验模态分解+LSTM（附matlab代码实现）.pdf

程序名称：基于EMD（经验模态分解）-KPCA（核主成分分析）-LSTM的光伏功率预测模型 实现平台：matlab 代码简介：提高光伏发电功率预测精度，对于保证电力系统的安全调度和稳定运行具有重要意义。提出 一种经验模态分解 （EMD）、核主成分分析（KPCA）和长短期记忆神经网络（LSTM）相结合的光伏 功率预测模型。充分考虑制约光伏输出功率的4种环 境因素，首先利用EMD将环境因素序列进行分解， 得到数据信号在不同时间尺度上的变化情况，降低环境因素序列的非平稳 性；其次利用KPCA提取特征 序列的关键影响因子，消除原始序列的相关性和冗余性，降低模型输入的维度；最终利用LSTM网络 对 多变量特征序列进行动态时间建模，实现对光伏发电功率的预测。实验结果表明，该预测模型较传统光 伏功率预测方法有更高的精确度。附带参考文献。本代码在原文献上进行了改进，采用KPCA代替 PCA，进一步提升了预测精度。代码具有一定创新性，且模块化编写，可自由根据需要更改完善模型， 如将EMD替换成VMD CEEMD CEEMDAN EEMD等分解算法，对LSTM进一步改善，替换为GRU， BILSTM等。代

身份证前6位对应的省市区代码（超详细）

身份证前6位对应的省市区代码（超详细）

python爬取微博一二级评论数据代码（需设置cookie）

这段Python代码是一个微博评论爬虫，它主要用于抓取微博的一级评论和二级评论，并将抓取的数据保存到CSV文件中。下面是代码的详细描述： 导入模块：代码首先导入了所需的模块，包括json、csv、re（正则表达式）、requests（发送HTTP请求）、time（暂停执行）、pandas（数据处理）、os（操作系统功能）和datetime（日期时间处理）。 获取网页源码：get_html 函数通过HTTP请求获取给定URL的网页源码，并设置了User-Agent和Referer头，以模拟浏览器访问。它还包含了一个时间延迟，以避免因频繁请求而被服务器限制访问。 清理HTML标签：get_string 函数用于从HTML内容中提取纯文本，移除所有HTML标签。 保存评论数据：save_text_data 函数将评论数据保存到CSV文件中。它首先创建一个包含评论数据的字典，然后将其转换为pandas的DataFrame。如果CSV文件已存在，则在追加数据时不添加表头；如果文件不存在，则添加表头。数据以UTF-8编码格式保存。 时间转换：trans_time 函数用于将微博评论的时间

抖音用户浏览行为数据集

抖音用户浏览行为数据集 文章： [ 数据挖掘实战 —— 抖音用户浏览行为数据分析与挖掘(一）](https://blog.csdn.net/m0_53054984/article/details/136121177) [ 数据挖掘实战 —— 抖音用户浏览行为数据分析与挖掘(二）](https://blog.csdn.net/m0_53054984/article/details/136123131) [ 数据挖掘实战 —— 抖音用户浏览行为数据分析与挖掘(总）](https://blog.csdn.net/m0_53054984/article/details/136122988) [ 数据挖掘实战 —— 抖音用户浏览行为数据分析与挖掘(代码部分）](https://blog.csdn.net/m0_53054984/article/details/136455033)

两阶段鲁棒优化/综合能源系统/需求响应/微电网/多目标优化/优化调度matlab-yalmip-cplex/gurobi文章复现

基于多目标灰狼的冷热电联拱型微电网允许优化/ 考虑用户侧柔性负荷的社区综合能源系统日前优化调度（完美复现）matlab-yalmip-cplex/gurobi代码/ 基于场景的多区域综合能源优化调度（随机优化）（完美复现）matlab-yalmip-cplex/gurobi代码/ 考虑阶梯式碳交易机制与电制氢的综合能源系统热电优化（完美复现）matlab-yalmip-cplex/gurobi代码/ 基于概率距离的场景快速削减法的风光场景生成与削减方法/ 微电网两阶段鲁棒优化经济调度方法（完美复现）matlab-yalmip-cplex/gurobi非答疑版本/ 两阶段鲁棒优化入门到编程/ 并网型微电网光储协同优化调度/matlab-yalmip-cplex/ 含集群电动汽车的微电网多种需求侧资源经济协同调度/

基于在线教学平台的数据挖掘与学习行为分析超星集团数据集

基于在线教学平台的数据挖掘与学习行为分析超星集团数据集

SPSS中介效应分析插件（Process和mediate插件）

包含Process和mediate插件

regress函数实例代码

 regress函数功能十分强大，它可以用来做多元线性回归分析，它不仅能得出线性回归函数中各个系数，还会返回一系列有意义的统计参数，有助于我们对回归函数的分析。本文件包含regress函数实例代码一份。

Fragstats V4.2 软件计算景观指数的参数文件示例

Fragstats V4.2 软件计算景观指数的参数文件示例。

2001-2021中国城市统计年鉴数据（EXCEL数据面板）

县区+地级市 中国城市统计年鉴数据2001-2021（EXCEL数据面板）

2022年mathercup数学建模比赛d题题解

2022年mathercup数学建模比赛d题题解，其中包含思路和论文代码。

【Python实战】-Python+Opencv是实现车牌自动识别（源码+数据+字符匹配模板）

在这个实战项目中，我们将利用Python结合OpenCV库来实现车牌识别功能。整个过程涵盖图像预处理、车牌定位、车牌字符分割以及模板匹配识别等关键步骤，对智能交通、车辆管理等实际应用领域具有显著价值。 首先，我们需要对获取的车辆图像进行预处理，这通常包括灰度化、二值化、滤波去噪等操作，以便更好地凸显车牌区域。接着，利用OpenCV的图像处理功能，我们可以实现车牌定位。这通常涉及边缘检测、轮廓查找以及形态学操作，以准确提取出车牌区域。 在车牌定位完成后，我们需要对车牌进行字符分割。这一步的目的是将车牌中的每个字符独立提取出来，以便后续进行识别。常用的字符分割方法包括垂直投影法、滑动窗口法等。通过这些方法，我们可以将车牌图像划分为多个字符区域。 最后，我们利用模板匹配的方法对分割出的字符进行识别。通过预先准备的字符模板库，我们将每个字符区域与模板库中的字符进行匹配，从而确定字符的具体内容。经过这一过程，我们可以得到完整的车牌号码。 该项目不仅可用于车牌识别技术的学习和研究，还具有实际应用价值。通过自动识别车牌号码，我们可以实现车辆追踪、违章查询、停车场管理等功能，从而提高交通管理的

新闻数据集（对应新闻文本分类案例）

该新闻数据集与 https://blog.csdn.net/weixin_47176703/article/details/124304692?spm=1001.2014.3001.5501此篇python项目-新闻文本分类详细对应，代码详尽，读者可自取实现。

R语言期末大作业（全面带报告，带数据集）

按照后期进行数据分析的需求，对数据进行预处理。 -描述性统计：选择合适的方法对数据进行统计分析。包括对数值型和类别型属性的统计，并对分析结果进行图形化的展示（使用ggplot2或者lattice包）。 -推断性统计：选择合适的假设检验方法，分析属性间的相关性、两组数据间是否具有显著性差异，分析结果并给出结论及必要的图形展示。 - 数据挖掘 根据数据特征及需求，利用分类、聚类或时间序列方法挖掘蕴含在数据中的模式及必要的图形展示，用回归模型预测走势 注意：对聚类结果分析聚簇特征   对分类结果计算准确性。   使用时间序列分析方法可判断数据是否存在趋势、周期性等特征，或对数据进行预测。 （分类、聚类、时间序列，回归模型至少使用2种方法）

5-8抖音数据分析数据集

这个数据集对应我写的一篇博客，下载此数据集即可运行我的代码。