![](https://csdnimg.cn/release/downloadcmsfe/public/img/no-data.51c5211b.png)
![](https://csdnimg.cn/release/downloadcmsfe/public/img/good-course.ff455529.png)
- 大数据之数据挖掘课程:海量数据集挖掘 06-降维技术:SVD&CUR 共60页.pdf【课程大纲】 01-Mapreduce 02-关联规则 Association rules 03-LSH Finding Similar Items:Locality Sensitive Hashing 04-LSH theory of Locality Sensitive Hashing 05-聚类算法 clustering 06-降维技术 Dimensionality Reduction:SVD&CUR 07-推荐系统 Recommender Systems:Content-based Systems&Collaborative Filtering recsys1 08-双边序列推荐 recsys2 Recommender Systems:Latent Factor Models 09-PageRank 10-WebSpam 11-图论 graphs1 12-图论 graphs2 13-大规模机器学习 Large Scale Machine Learning:SVMs 14-决策树 Decision Trees on MapReduce 15-streams 16-streams 17-advertising 18-bandits 19-submodular 20-review
0 9浏览
¥ 9.90 - 大数据之数据挖掘课程:海量数据集挖掘 05-聚类算法 clustering 共53页.pdf【课程大纲】 01-Mapreduce 02-关联规则 Association rules 03-LSH Finding Similar Items:Locality Sensitive Hashing 04-LSH theory of Locality Sensitive Hashing 05-聚类算法 clustering 06-降维技术 Dimensionality Reduction:SVD&CUR 07-推荐系统 Recommender Systems:Content-based Systems&Collaborative Filtering recsys1 08-双边序列推荐 recsys2 Recommender Systems:Latent Factor Models 09-PageRank 10-WebSpam 11-图论 graphs1 12-图论 graphs2 13-大规模机器学习 Large Scale Machine Learning:SVMs 14-决策树 Decision Trees on MapReduce 15-streams 16-streams 17-advertising 18-bandits 19-submodular 20-review
0 6浏览
¥ 9.90 - 大数据之数据挖掘课程:海量数据集挖掘 03-LSH Finding Similar Items 共59页.pdf【课程大纲】 01-Mapreduce 02-关联规则 Association rules 03-LSH Finding Similar Items:Locality Sensitive Hashing 04-LSH theory of Locality Sensitive Hashing 05-聚类算法 clustering 06-降维技术 Dimensionality Reduction:SVD&CUR 07-推荐系统 Recommender Systems:Content-based Systems&Collaborative Filtering recsys1 08-双边序列推荐 recsys2 Recommender Systems:Latent Factor Models 09-PageRank 10-WebSpam 11-图论 graphs1 12-图论 graphs2 13-大规模机器学习 Large Scale Machine Learning:SVMs 14-决策树 Decision Trees on MapReduce 15-streams 16-streams 17-advertising 18-bandits 19-submodular 20-review
0 6浏览
¥ 9.90 - 大数据之数据挖掘课程:海量数据集挖掘 04-LSH-Locality Sensitive Hashing 共52页.pdf【课程大纲】 01-Mapreduce 02-关联规则 Association rules 03-LSH Finding Similar Items:Locality Sensitive Hashing 04-LSH theory of Locality Sensitive Hashing 05-聚类算法 clustering 06-降维技术 Dimensionality Reduction:SVD&CUR 07-推荐系统 Recommender Systems:Content-based Systems&Collaborative Filtering recsys1 08-双边序列推荐 recsys2 Recommender Systems:Latent Factor Models 09-PageRank 10-WebSpam 11-图论 graphs1 12-图论 graphs2 13-大规模机器学习 Large Scale Machine Learning:SVMs 14-决策树 Decision Trees on MapReduce 15-streams 16-streams 17-advertising 18-bandits 19-submodular 20-review
0 9浏览
¥ 9.90 - 大数据之数据挖掘课程:海量数据集挖掘 02-关联规则 Association rules 共59页.pdf【课程大纲】 01-Mapreduce 02-关联规则 Association rules 03-LSH Finding Similar Items:Locality Sensitive Hashing 04-LSH theory of Locality Sensitive Hashing 05-聚类算法 clustering 06-降维技术 Dimensionality Reduction:SVD&CUR 07-推荐系统 Recommender Systems:Content-based Systems&Collaborative Filtering recsys1 08-双边序列推荐 recsys2 Recommender Systems:Latent Factor Models 09-PageRank 10-WebSpam 11-图论 graphs1 12-图论 graphs2 13-大规模机器学习 Large Scale Machine Learning:SVMs 14-决策树 Decision Trees on MapReduce 15-streams 16-streams 17-advertising 18-bandits 19-submodular 20-review
0 5浏览
¥ 9.90 - 大数据之数据挖掘课程:海量数据集挖掘 01-Mapreduce 共68页.pdf【课程大纲】 01-Mapreduce 02-关联规则 Association rules 03-LSH Finding Similar Items:Locality Sensitive Hashing 04-LSH theory of Locality Sensitive Hashing 05-聚类算法 clustering 06-降维技术 Dimensionality Reduction:SVD&CUR 07-推荐系统 Recommender Systems:Content-based Systems&Collaborative Filtering recsys1 08-双边序列推荐 recsys2 Recommender Systems:Latent Factor Models 09-PageRank 10-WebSpam 11-图论 graphs1 12-图论 graphs2 13-大规模机器学习 Large Scale Machine Learning:SVMs 14-决策树 Decision Trees on MapReduce 15-streams 16-streams 17-advertising 18-bandits 19-submodular 20-review
0 5浏览
¥ 9.90 - 大数据之数据挖掘课程:海量数据集挖掘 20-review 共44页.pdf【课程大纲】 01-Mapreduce 02-关联规则 Association rules 03-LSH Finding Similar Items:Locality Sensitive Hashing 04-LSH theory of Locality Sensitive Hashing 05-聚类算法 clustering 06-降维技术 Dimensionality Reduction:SVD&CUR 07-推荐系统 Recommender Systems:Content-based Systems&Collaborative Filtering recsys1 08-双边序列推荐 recsys2 Recommender Systems:Latent Factor Models 09-PageRank 10-WebSpam 11-图论 graphs1 12-图论 graphs2 13-大规模机器学习 Large Scale Machine Learning:SVMs 14-决策树 Decision Trees on MapReduce 15-streams 16-streams 17-advertising 18-bandits 19-submodular 20-review
0 8浏览
¥ 9.90 - 大数据之数据挖掘课程:海量数据集挖掘 19-submodular 共54页.pdf【课程大纲】 01-Mapreduce 02-关联规则 Association rules 03-LSH Finding Similar Items:Locality Sensitive Hashing 04-LSH theory of Locality Sensitive Hashing 05-聚类算法 clustering 06-降维技术 Dimensionality Reduction:SVD&CUR 07-推荐系统 Recommender Systems:Content-based Systems&Collaborative Filtering recsys1 08-双边序列推荐 recsys2 Recommender Systems:Latent Factor Models 09-PageRank 10-WebSpam 11-图论 graphs1 12-图论 graphs2 13-大规模机器学习 Large Scale Machine Learning:SVMs 14-决策树 Decision Trees on MapReduce 15-streams 16-streams 17-advertising 18-bandits 19-submodular 20-review
0 7浏览
¥ 9.90 - 大数据之数据挖掘课程:海量数据集挖掘 18-bandits 共41页.pdf【课程大纲】 01-Mapreduce 02-关联规则 Association rules 03-LSH Finding Similar Items:Locality Sensitive Hashing 04-LSH theory of Locality Sensitive Hashing 05-聚类算法 clustering 06-降维技术 Dimensionality Reduction:SVD&CUR 07-推荐系统 Recommender Systems:Content-based Systems&Collaborative Filtering recsys1 08-双边序列推荐 recsys2 Recommender Systems:Latent Factor Models 09-PageRank 10-WebSpam 11-图论 graphs1 12-图论 graphs2 13-大规模机器学习 Large Scale Machine Learning:SVMs 14-决策树 Decision Trees on MapReduce 15-streams 16-streams 17-advertising 18-bandits 19-submodular 20-review
0 4浏览
¥ 9.90 - 大数据之数据挖掘课程:海量数据集挖掘 16-streams 共46页.pdf【课程大纲】 01-Mapreduce 02-关联规则 Association rules 03-LSH Finding Similar Items:Locality Sensitive Hashing 04-LSH theory of Locality Sensitive Hashing 05-聚类算法 clustering 06-降维技术 Dimensionality Reduction:SVD&CUR 07-推荐系统 Recommender Systems:Content-based Systems&Collaborative Filtering recsys1 08-双边序列推荐 recsys2 Recommender Systems:Latent Factor Models 09-PageRank 10-WebSpam 11-图论 graphs1 12-图论 graphs2 13-大规模机器学习 Large Scale Machine Learning:SVMs 14-决策树 Decision Trees on MapReduce 15-streams 16-streams 17-advertising 18-bandits 19-submodular 20-review
0 6浏览
¥ 9.90 - 大数据之数据挖掘课程:海量数据集挖掘 17-advertising 共47页.pdf【课程大纲】 01-Mapreduce 02-关联规则 Association rules 03-LSH Finding Similar Items:Locality Sensitive Hashing 04-LSH theory of Locality Sensitive Hashing 05-聚类算法 clustering 06-降维技术 Dimensionality Reduction:SVD&CUR 07-推荐系统 Recommender Systems:Content-based Systems&Collaborative Filtering recsys1 08-双边序列推荐 recsys2 Recommender Systems:Latent Factor Models 09-PageRank 10-WebSpam 11-图论 graphs1 12-图论 graphs2 13-大规模机器学习 Large Scale Machine Learning:SVMs 14-决策树 Decision Trees on MapReduce 15-streams 16-streams 17-advertising 18-bandits 19-submodular 20-review
0 10浏览
¥ 9.90 - 大数据之数据挖掘课程:海量数据集挖掘 14-决策树 Decision Trees on MapReduce 共52页.pdf【课程大纲】 01-Mapreduce 02-关联规则 Association rules 03-LSH Finding Similar Items:Locality Sensitive Hashing 04-LSH theory of Locality Sensitive Hashing 05-聚类算法 clustering 06-降维技术 Dimensionality Reduction:SVD&CUR 07-推荐系统 Recommender Systems:Content-based Systems&Collaborative Filtering recsys1 08-双边序列推荐 recsys2 Recommender Systems:Latent Factor Models 09-PageRank 10-WebSpam 11-图论 graphs1 12-图论 graphs2 13-大规模机器学习 Large Scale Machine Learning:SVMs 14-决策树 Decision Trees on MapReduce 15-streams 16-streams 17-advertising 18-bandits 19-submodular 20-review
0 5浏览
¥ 9.90 - 大数据之数据挖掘课程:海量数据集挖掘 13-大规模机器学习 共59页.pdf【课程大纲】 01-Mapreduce 02-关联规则 Association rules 03-LSH Finding Similar Items:Locality Sensitive Hashing 04-LSH theory of Locality Sensitive Hashing 05-聚类算法 clustering 06-降维技术 Dimensionality Reduction:SVD&CUR 07-推荐系统 Recommender Systems:Content-based Systems&Collaborative Filtering recsys1 08-双边序列推荐 recsys2 Recommender Systems:Latent Factor Models 09-PageRank 10-WebSpam 11-图论 graphs1 12-图论 graphs2 13-大规模机器学习 Large Scale Machine Learning:SVMs 14-决策树 Decision Trees on MapReduce 15-streams 16-streams 17-advertising 18-bandits 19-submodular 20-review
0 7浏览
¥ 9.90 - 大数据之数据挖掘课程:海量数据集挖掘 15-streams 共46页.pdf【课程大纲】 01-Mapreduce 02-关联规则 Association rules 03-LSH Finding Similar Items:Locality Sensitive Hashing 04-LSH theory of Locality Sensitive Hashing 05-聚类算法 clustering 06-降维技术 Dimensionality Reduction:SVD&CUR 07-推荐系统 Recommender Systems:Content-based Systems&Collaborative Filtering recsys1 08-双边序列推荐 recsys2 Recommender Systems:Latent Factor Models 09-PageRank 10-WebSpam 11-图论 graphs1 12-图论 graphs2 13-大规模机器学习 Large Scale Machine Learning:SVMs 14-决策树 Decision Trees on MapReduce 15-streams 16-streams 17-advertising 18-bandits 19-submodular 20-review
0 5浏览
¥ 9.90 - 大数据之数据挖掘课程:海量数据集挖掘 11-图论 graphs1 共54页.pdf【课程大纲】 01-Mapreduce 02-关联规则 Association rules 03-LSH Finding Similar Items:Locality Sensitive Hashing 04-LSH theory of Locality Sensitive Hashing 05-聚类算法 clustering 06-降维技术 Dimensionality Reduction:SVD&CUR 07-推荐系统 Recommender Systems:Content-based Systems&Collaborative Filtering recsys1 08-双边序列推荐 recsys2 Recommender Systems:Latent Factor Models 09-PageRank 10-WebSpam 11-图论 graphs1 12-图论 graphs2 13-大规模机器学习 Large Scale Machine Learning:SVMs 14-决策树 Decision Trees on MapReduce 15-streams 16-streams 17-advertising 18-bandits 19-submodular 20-review
0 10浏览
¥ 9.90 - 大数据之数据挖掘课程:海量数据集挖掘 10-WebSpam 共61页.pdf【课程大纲】 01-Mapreduce 02-关联规则 Association rules 03-LSH Finding Similar Items:Locality Sensitive Hashing 04-LSH theory of Locality Sensitive Hashing 05-聚类算法 clustering 06-降维技术 Dimensionality Reduction:SVD&CUR 07-推荐系统 Recommender Systems:Content-based Systems&Collaborative Filtering recsys1 08-双边序列推荐 recsys2 Recommender Systems:Latent Factor Models 09-PageRank 10-WebSpam 11-图论 graphs1 12-图论 graphs2 13-大规模机器学习 Large Scale Machine Learning:SVMs 14-决策树 Decision Trees on MapReduce 15-streams 16-streams 17-advertising 18-bandits 19-submodular 20-review
0 6浏览
¥ 9.90 - 大数据之数据挖掘课程:海量数据集挖掘 12-图论 graphs2 共49页.pdf【课程大纲】 01-Mapreduce 02-关联规则 Association rules 03-LSH Finding Similar Items:Locality Sensitive Hashing 04-LSH theory of Locality Sensitive Hashing 05-聚类算法 clustering 06-降维技术 Dimensionality Reduction:SVD&CUR 07-推荐系统 Recommender Systems:Content-based Systems&Collaborative Filtering recsys1 08-双边序列推荐 recsys2 Recommender Systems:Latent Factor Models 09-PageRank 10-WebSpam 11-图论 graphs1 12-图论 graphs2 13-大规模机器学习 Large Scale Machine Learning:SVMs 14-决策树 Decision Trees on MapReduce 15-streams 16-streams 17-advertising 18-bandits 19-submodular 20-review
0 4浏览
¥ 9.90 - 大数据之数据挖掘课程:海量数据集挖掘 09-PageRank 共59页.pdf【课程大纲】 01-Mapreduce 02-关联规则 Association rules 03-LSH Finding Similar Items:Locality Sensitive Hashing 04-LSH theory of Locality Sensitive Hashing 05-聚类算法 clustering 06-降维技术 Dimensionality Reduction:SVD&CUR 07-推荐系统 Recommender Systems:Content-based Systems&Collaborative Filtering recsys1 08-双边序列推荐 recsys2 Recommender Systems:Latent Factor Models 09-PageRank 10-WebSpam 11-图论 graphs1 12-图论 graphs2 13-大规模机器学习 Large Scale Machine Learning:SVMs 14-决策树 Decision Trees on MapReduce 15-streams 16-streams 17-advertising 18-bandits 19-submodular 20-review
0 5浏览
¥ 9.90 - 大数据之数据挖掘课程:海量数据集挖掘 08-双边序列推荐 共59页.pdf【课程大纲】 01-Mapreduce 02-关联规则 Association rules 03-LSH Finding Similar Items:Locality Sensitive Hashing 04-LSH theory of Locality Sensitive Hashing 05-聚类算法 clustering 06-降维技术 Dimensionality Reduction:SVD&CUR 07-推荐系统 Recommender Systems:Content-based Systems&Collaborative Filtering recsys1 08-双边序列推荐 recsys2 Recommender Systems:Latent Factor Models 09-PageRank 10-WebSpam 11-图论 graphs1 12-图论 graphs2 13-大规模机器学习 Large Scale Machine Learning:SVMs 14-决策树 Decision Trees on MapReduce 15-streams 16-streams 17-advertising 18-bandits 19-submodular 20-review
0 8浏览
¥ 9.90 - 大数据之数据挖掘课程:海量数据集挖掘 07-推荐系统 Recommender Systems 共48页.pdf【课程大纲】 01-Mapreduce 02-关联规则 Association rules 03-LSH Finding Similar Items:Locality Sensitive Hashing 04-LSH theory of Locality Sensitive Hashing 05-聚类算法 clustering 06-降维技术 Dimensionality Reduction:SVD&CUR 07-推荐系统 Recommender Systems:Content-based Systems&Collaborative Filtering recsys1 08-双边序列推荐 recsys2 Recommender Systems:Latent Factor Models 09-PageRank 10-WebSpam 11-图论 graphs1 12-图论 graphs2 13-大规模机器学习 Large Scale Machine Learning:SVMs 14-决策树 Decision Trees on MapReduce 15-streams 16-streams 17-advertising 18-bandits 19-submodular 20-review
0 12浏览
¥ 9.90 - 大数据分析架构师顶级培训课程 storm课件 如何通过JMX监控Storm 共6页.pdf大数据分析架构师顶级培训课程 storm课件 如何通过JMX监控Storm 共6页.pdf
0 9浏览
¥ 9.90 - 大数据湖项目建设方案.pdf基于Hadoop的系统数据湖中,底层为统一分布式存储HDFS,其上包含了分布式内存分析引擎SPARK,分布式NoSQL数据库HBase,以及支持多租户的分布式计算集群。在Hadoop及相当架构系统数据湖之上,根据实际外部合作以及内部应用提供多租户服务以及资源与数据访问权限控制。 数据湖由分布式资源管理框架实时调度资源、管理计算分析集群,为各个租户以及各个应用提供资源调度管理以及高效的分析挖掘能力,同时结合LDAP与Kerberos提供完备的权限管理控制。 数据接入原则 1、以应用驱动为主,优先建设高价值数字李生项目; 2、入湖数据必须有数据管理部认证,发布对应数据资产标准,匹配对应数据责任人; 3、数据建模原则以原始数据、清洗整合数据、三范式结构、服务化宽表逐级向上规范; 4、整体平台需符合高可用、平行扩容原则,符合业务 3-5 年的数据规划。
0 7浏览
¥ 9.90 - 数据中台方案-93页.pdf目前各政府机构和企业的信息化平台数据按结构类型主要分为三种,分别是:结构化数据、非结构化数据、半结构化数据三大类结构化数据存储在关系型数据库中:非结构化数据主要包括音视频、图片、文档等,通过分布式文件系统在数据库进行统一管理;半结构化数据是结构化数据的一种形式,但它并不符合关系型数据库或其他数据表的形式关联起来的数据模型结构,但包含相关标记,用来分隔语义元素以及对记录和字段进行分层,例如:日志文件、XML文档JSON 文档、Email等。 数字中台基于数据资源多样性的特点和能够高效支持业务的目标,结合设计规划方法论、原则和规划思路,统一数据资源体系规划建设大数据采集感知体系、数据资源融合体系和信息共享服务体系将数据安全和数据标准融入三大体系之中,通过智能演进不断提升数据接入、处理、组织、挖掘、治理和服务的能力,不断丰富和完善数据中台。 数据中台主要包函:数据统一采集接入平台、数据集中处理平台、数据组织管理平台、数据组织管理平台、数据全域治理平台、数据融合共享平台、数据分析挖掘平台、知识图谱平台、统一管理平台、数据可视化平台等多个平台系统。
0 11浏览
¥ 9.90 - 推荐企业数据中台整体介绍及建设方案 .pdf数据中台体现什么样的企业核心价值 全面梳理数据资产 构建全域数据中心 落地战略和组织保障 培养业务创新的土壤 数据资产管理在线化 形成数据人才成长的摇篮 通过业务的不断滋养打造业务和数据的闭环 数据中台建设思路 数据中台体系涵盖整个数据中台解决方案框架图,既包含数据技术平台,也包含数据开发、数据模型、数据资产和数据产品应用。通过建设数据中台建立数据资产体系,规模化服务业务,保证数据质量,更大限度的发挥数据价值。 方法论 整体规划,分布实施,数据中台是一个经过不断循环、反馈而使系统不断增长与完善的过程,这是区别于系统生命周期法的主要特点。 产品+工具 大数据分布式计算平台、数据开发套件、数据质量管理工具、数据地图管理工具数据模型管理工具、API管理工具等。 实施流程 一整套体系化的数据中台建设实施流程,包括需求调研、需求分析、架构设计、数据与应用开发、部署和测试运维等。
0 16浏览
¥ 9.90 - MATLAB 神经网络工具箱函数.pdf数学模型算法
0 8浏览
¥ 9.90 - 模拟退火算法详解教程详解模拟退火算法(Simulated Annealing,SA)是一种通用概率算法,用来在一个大的搜寻空间内找寻问题的近似最优解,它是一种启发式算法。 模拟退火算法最早的思想是由N.Metropolis等于1953年提出。1983年,S.Kirkpatrick等成功地将退火思想引入组合优化领域。它是基于Monte-Carlo迭代求解策略的一种随机寻优算法,其出发点基于物理中固体物质的退火过程与一般组合优化问题之间的相似性。 模拟退火算法从某一较高初温出发,伴随温度参数的不断下降,结合概率突跳特性,在解空间中随机寻找目标函数的全局最优解,即局部最优解能概率性地跳出,并最终趋于全局最优。该算法具有概率的全局优化性能,目前已在工程中得到了广泛应用,如VLSI(超大规模集成电路)、生产调度、控制工程、机器学习、神经网络、信号处理等领域。 模拟退火算法是通过赋予搜索过程一种时变且最终趋于零的概率突跳性,从而可有效避免陷入局部极小,并最终趋于全局最优的串行结构的优化算法。
0 116浏览
¥ 14.90 - 中国邮递员问题(Chinese Postman Problem)中国邮递员问题是邮递员在某一地区的信件投递路程问题。邮递员每天从邮局出发,走遍该地区所有街道再返回邮局,问题是他应如何安排送信的路线可以使所走的总路程最短。这个问题由中国学者管梅谷在1960年首先提出,并给出了解法——“奇偶点图上作业法”,被国际上统称为“中国邮递员问题”。用图论的语言描述,给定一个连通图G,每边e有非负权),要求一条回路经过每条边至少一次,且满足总权最小。
0 24浏览
¥ 9.90 - hadoop安装教程2024最新版 最新安装教程 亲测成功hadoop 安装教程 2024 最新版, 教程内容非常详细,为确保安装成功请务必严格按照文档内的内容进行操作.
0 33浏览
¥ 9.90 - impala 详细使用手册.pdfimpala 详细使用手册.pdf
0 21浏览
¥ 9.90 - 2010MCM&ICM特等奖论文全集.pdf2010MCM&ICM特等奖论文全集
0 6浏览
¥ 29.90 - 教程 - LabVIEW调用数据库实现“增、删、改、查”基本操作.pdflabview
0 24浏览
¥ 9.90 - MATLAB图形界面编程方法论总结 MATLAB的GUI数据传递总结 共16页.pdfMATLAB\MATLAB图形界面编程方法论总结 MATLAB的GUI数据传递总结 其实Matlab提供了很多种直接或间接方法实现多fig中的数据共享,只是大家没有注意 罢了: 1、全局变量 2、作为函数的参数传递 3、利用控件的userdata数据 4、为handles结构体添加新字段 5、setappdata函数为句柄添加数据 6、跨空间计算evalin和赋值assignin 7、将数据保存到文件,需要时读取 8、带参数调用GUI的M文件 9、嵌套函数(不适用于GUIDE中,只适用纯命令式的GUI)
5 94浏览
¥ 11.90 - AUTOSAR应用层软件开发设计使用Simulink进行AUTOSAR 应用层软件的开发 架构、建模、仿真、代码生成及验证
0 188浏览
¥ 49.90 - 2023年计算机考研专业课真题2023年计算机考研专业课真题
0 29浏览
¥ 29.90 - 2022年中国石油大学北京计算机应用基础第新版新编三次在线作业2022年中国石油大学北京计算机应用基础第新版新编三次在线作业
0 25浏览
¥ 29.90 - 长江大学计算机考研真题长江大学计算机考研真题
0 48浏览
¥ 29.90 - 2010年计算机考研真题2010年计算机考研真题
0 18浏览
¥ 29.90 - 2023年考研计算机真题2023年考研计算机真题
0 35浏览
¥ 29.90 - 计算机考研408真题和答案2009-2017年计算机考研408真题和答案2009-2017年
0 10浏览
¥ 39.90 - 计算机网络考研真题和答案计算机网络考研真题和答案
0 10浏览
¥ 19.90 - 异常大数据挖掘研究毕业论文设计粗糙集理论,它是一种分析处理数据的理论,在 20 世纪 80 年代由波兰 科学家 Pawlak 建立。一开始由于语言交流上的问题,建立该理论的时候只 有一些东欧学者会研究和应用它,后来随着该理论的开展才慢慢受到全球上 知名数学学者和计算机学者的重视。 知识粒度的根本思想在许多领域都有表现,如粗糙集、数据库、聚类分 析、模糊集、证据理论、数据挖掘和机器学习等。自从 1979 年在世界上首 次提出并讨论了知识粒度问题之后,知识粒度获得了人们越来越多的关注。 经过多年的开展,知识粒度已在知识发现、数据挖掘、软计算中扮演越来越 重要的角色。 在本论文中,本人引入知识粒度这一个方法作为一个统一的框架去理解 和实施异常点挖掘。此外,还给出了基于知识粒度的异常点挖掘算法。该算 法结合粗糙集与数据挖掘技术研究异常数据。理论研究和实验结果明确,知 识粒度方法对评定异常是有效且适用的。
0 43浏览
¥ 14.90 - 基于数据挖掘的图书馆数据管理系统的设计和实现目前,绝大多数的图书馆实现了信息化管理 ,在业务方面跃上了 新的台阶。 然而,很多的图书馆管理系统对数据的分析处理仅存于表面的数量 统计、记录查询等简单的数据处理功能,对于更深层次的信息发掘,现有的各种 图书馆系统中都很难实现.。其实,对图书馆而言通过深层加工和处理与读者行 为相关的大量信息,确定特定借阅群体或个体的兴趣、 借阅习惯、借阅倾向和 借阅需求,可以推断出读者未来的借阅行为。因此,针对以上问题,本课题尝试 在原有图书管理系统基础上,建立基于数据挖掘的图书管理系统模型,充分利用 系统的数据,实现挖掘应用,主动为读者提供个性化服务,提高图书馆的服务质 量,同时,为图书管理人员提供决策支持。所以本课题的研究具有一定得实际意 义和应用研究 。 综观图书馆展现状。本课题结合图书馆的发展现状和需求,使用 java 语言和 MySQL后台数据库以及数据挖掘技术,开发了一个基于数据挖掘的 图书馆数据管理系统。系统可以为用户提供基本的借阅、归还功能,图书搜索功 能,信息查询功能,其中图书搜索功能更能为用户提供同类别图书的推荐。
0 33浏览
¥ 9.90 - 基于labview的远程数据采集系统设计-毕业论文虚拟仪器是将仪器技术、计算机技术、总线技术和软件技术紧密的融合在一起, 利用计算机强大的数字处理能力实现仪器的大部分功能,打破了传统仪器的框架,形成的一 种新的仪器模式. 本设计采用 NI PCI-6221 数据采集卡,运用虚拟仪器及其相关技术于多通道数据采集系 统的设计.该系统具有数据同时采集、采集数据实时显示、存储与管理、报警记录等功能,最后使用 Web 技术实现了采集数据的远程访问. 本文首先概述了测控技术和虚拟仪器技术在国内外的发展及以后的发展趋势,探讨了虚 拟仪器的总线及其标准、框架结构、LabVIEW 开发平台,然后介绍了数据采集的相关理论,给出了数据采集系统的硬件结构图。在分析本系统功能需求的基础上,介绍了程序模块化设计、数据库、Web、多线程等设计中用到的技术,最后一章给出了本设计的前面板图。本设计是虚拟仪器在测控领域的一次成功尝试.实践证明虚拟仪器是一种优秀的解决方 案,能够高效的实现各种测控任务.
5 122浏览
¥ 11.90 - 计算机毕业设计-基于数据挖掘技术的超市决策系统的实现随着信息技术的日益普及,企业决策系统在企业生产管理过程中已 获得了广泛的应用,然而决策系统中积累的大量业务数据并没有得到充 分的利用,“数据爆炸但知识贫乏”的现象己日益突出。通过数据挖掘 技术,企业根据商业目标对决策系统大量的事务数据进行抽取、转换、 分析和其它模型化处理,从中提取出辅助商业决策的关键性数据,在推 动企业现代化的进程中,有助于进一步增强企业竞争力。 为此,本文在分析数据挖掘现状的基础上,针对我国超市的现行发 展现状,对数据挖掘进行了研究与开发。 首先,在探讨数据挖掘一般理论的基础上,研究了针对超市数据仓 库的数据挖掘的基本原理;并且研究了超市数据挖掘常用的一些算法。 其次,针对超市销售的特点,与 ERP 紧密集成,提出了超市决策系 统的体系架构和功能划分,并采用维度建模的方法建立了系统的信息模 型; 最后,结合我国超市现行决策的需求,采用三层架构的方式,运用 了模块化设计的思想,在 Visual Studio 2008 环境下,用 C# 3.0语言和 SQL SERVER 2005 工具开发了超市决策原型系统,并对原型系统进行了 实例数据挖掘应用,并给出了应用的结果。
0 32浏览
¥ 14.90 - 基于数据挖掘的入侵检测系统毕业设计在允许各种网络资源以开放方式运作的前提下,入侵检测系统成了确保网络安全的一种必 要手段。入侵检测就是发现或确定入侵行为存在或出现的动作,它实际上是一种信息识别与 检测技术,而从以数据为中心的观点看,入侵检测本身就是一个数据分析过程。在许多相关 的领域,如欺诈检测和故障管理中,数据挖掘已经取得了成功的应用。于是,研究数据挖掘 方法在入侵检测领域中的应用,自然就成为一个热门话题。 本文研究和设计了一种基于数据挖掘的主机入侵检测系统,介绍了它的体系结构,并说明 了其传感器、通信器、检测器和数据仓库等基本组件的构成。另外介绍了 Windows 下部分 传感器实例以及监测器中模型生成器使用的数据挖掘的聚类算法。最后讨论了当前存在的几 个问题和今后的研究方向。
5 59浏览
¥ 11.90 - 基于大数据的电商个性化推荐系统毕业设计论文电 商 平 台 个 性 化 推 荐 系 统 是 基 于 用 户 的 兴 趣 特 点 和 购 买 行 为 , 向 用 户 推 荐 其 感 兴 趣 的 信 息 和 一 系 列 商 品 。 随 着 电 子 商 务 规 模 的 不 断 扩 大 , 商 品的 数 量 、 类 别 、 来 源 地 、 销 售 渠 道 的 不 断 增 加 , 用 户 需 要 花 费 大 量 的 时 间寻 找 自 己 想 买 的 商 品 , 了 解 商 品 的 相 关 信 息 , 质 量 问 题 , 大 众 评 论 。 这 一过 程 无 疑 会 使 得 淹 没 在 大 量 产 品 信 息 中 的 用 户 不 断 流 失 。 未 来 解 决 用 户 流失 的 问 题 , 电 商 平 台 个 性 化 推 荐 系 统 应 运 而 生 。 电 商 平 台 个 性 化 推 荐 系 统是 基 于 大 数 据 挖 掘 、 处 理 、 清 洗 、 分 析 的 一 种 智 能 商 务 平 台 , 能 够 帮 助 电子 商 务 企 业 为 用 户 群 体 提 供 个 性 化 产 品 的 推 荐 和 购 买 决 策 。
0 97浏览
¥ 14.90 - 基于K-means算法的平面点集聚类系统毕业设计.doc随着计算机硬件和软件技术的飞速发展,尤其是数据库技术的普及,人们面临 着日益扩张的数据海洋,原来的数据分析工具已无法有效地为决策者提供决策支持 所需要的相关知识,从而形成一种独特的现象“丰富的数据,贫乏的知识”。数据 挖掘(Data Mining)又称为数据库中知识发现(Knowledge Discovery form Database, KDD),它是一个从大量数据中抽取挖掘出未知的、有价值的模式或规律等知识的 复杂过程。目前是在大量的数据中发现人们感兴趣的知识。 常用的数据挖掘技术包括关联分析、异类分析、分类与预测、聚类分析以及演 化分析等。由于数据库中收集了大量的数据,聚类分析已经成为数据挖掘领域的重 要技术之一,本文中介绍的 K-means 算法就是聚类分析中应用最广泛的一种聚类算 法。
0 14浏览
¥ 9.90 - 毕业生就业数据分析系统开发毕业设计高校毕业生的就业问题已经成为全社会都关注的热点问题。这些年来高校招生规模逐年扩大,不断增加的毕业生数目给高校的就业管理工作造成了很大的压力。在这种形势下,如果仍然采用传统的毕业生管理办法,不仅仅工作效率低下,而且工作质量不高,很容易发生错误。 目前对高校毕业生的就业状况分析是较为简单的,大多仅仅按学校的就业率和专业就业率来进行评价,显得片面缺乏科学性。根据这一情况,借助计算机对毕业生业信息进行挖掘,对如今的教学质量和学生工作质量进行科学的综合分析,寻找影响毕业生就业困难的原因,以便对我们今后的教学和学生工作提出指导性的建议。 本课题针对学生的性别、素质培养、综合成绩、社会实践等方面在学生就业所反应的情况建立一个数据挖掘分析模型,由此得到对教学质量和学生工作质量评价的科学的新方法。针对毕业生就业情况建立数据挖掘分析模型是数据挖掘分析方法的一个新尝试,这将进一步促进数据挖掘理论的发展,并且拓宽了数据挖掘分析方法的应用领域,同时对教学质量分析和学生工作质量分析提供科学评价的新方法。
0 63浏览
¥ 14.90 - (完整版)数据结构毕业课程设计-计算器本课程设计设计的计算器有以下设计要求 1、问题描述:设计一个计算器,可以实现计算器的 简单运算,输出并检验结果的正确性,以及检验运算表 达式的正确性。 2、输入:不含变量的数学表达式的中缀形式,可以 接受的操作符包括+、-、*、、% 、(、)。 具体事例如下: 3、输出:如果表达式正确,则输出表达式的正确结 果;如果表达式非法,则输出错误信息。 如果有需要的朋友可以下载学习,附源码。
0 22浏览
¥ 14.90 - 基于Matlab的双闭环直流调速系统仿真研究毕业设计论文许多生产机械要求在一定的范围内进行速度的平滑调节,并且要求具有良好的稳态、动 态性能。而直流调速系统调速范围广、静差率小、稳定性好以及具有良好的动态性能,在高性能的拖动技术领域中,相当长时期内几乎都采用直流电力拖动系统。双闭环直流调速系统是直流调速控制系统中发展得最为成熟,应用非常广泛的电力传动系统。 由于该系统的结构较复杂,控制器可调参数较多,所以整个系统的设计和校正比较困难, 需要有一个功能全面、分析方便的仿真设计平台。传统的仿真设计平台主要是 VC和 Delphi等高级语言环境,需要做大量的底层代码编写工作,很不方便,效率不高,仿真结果也不直观。自从 MATLAB 的 Simulink 推出以后,动态系统的仿真就变得非常容易了。因其含有极为丰富的专用于控制工程与系统分析的函数,具有强大的数学计算功能,且提供方便的图形绘制功能,只要在 Simulink 中画出系统的动态结构图模型,编写极简单的程序,即可对该系统进行仿真,效率极高,环境友好,从而给系统的设计和校正带来很大的方便。Matlab 在学术和许多实际领域都得到广泛应用,已成为国际控制界应用最广的语言和工具。
5 59浏览
¥ 11.90 - 基于MATLAB卡尔曼滤波的惯性传感器信号处理毕业论文惯性传感器是导航定位、测姿、定向和运动载体控制的重要部件,特别是近年来从 军事、工业领域扩展到民用领域的各种电子消费产品,具有广阔的运用前景。 本文研究的惯性传感器两轴的惯性测量单元组成,利用该传感器的输出信号可以求 出载体的俯仰角和横滚角,但获得的姿态角度存在随机漂移误差,针对这个问题本文提 出了卡尔曼滤波实现对加速度计与陀螺仪的信息融合,设计了简单而实用的滤波算法, 对惯性传感器的误差进行补偿后得到载体姿态角的最优估计,从而获得比较精确的姿态 角信息。 本文的主要研究工作内容: 1.学习理解陀螺仪和加速度计的工作原理,分析了陀螺仪和加速度的误差来源,建 立了适合于本文研究的误差方程。 2.通过实验将惯性传感器置于水平面获得静态时的信号输出和绑在人体小腿上随着 人体运动获得动态的信号输出。 3.编写 MATLAB 程序实现卡尔曼滤波算法,并将实验获得的信号数据通过卡尔曼 滤波程序进行信息融合得到相应的仿真结果。 通过仿真实验结果表明,采用卡尔曼滤波信息融合的方法,实现了陀螺仪的零偏进 行了实时估计和补偿,提高了对姿态测量的精度。
5 80浏览
¥ 22.90 - 基于二维快速傅里叶变换的方位滤波软件设计和 Matlab 仿真毕业设计本文主要介绍了基于二维快速傅里叶变换的方位滤波软件设计和 Matlab 仿 真。主要内容为软件程序的设计和仿真程序设计。主要实现的功能是对图像进行二 维快速傅里叶变换,产生幅度和相位图像及按角度进行滤波的图像。傅里叶变换 (FT)是数字图像处理技术的基础,其通过在时空域和频率域来回切换图像,对图像的 信息特征进行提取和分析,简化了计算工作量,被喻为描述图像信息的第二种语言,广 泛应用于图像变换,图像编码与压缩,图像分割,图像重建等。 此软件设计是基于 C#开发环境的,首先了解所要实现的功能,之后进行程序的编 写和界面的编辑。C#是面向对象的高级语言,有良好的人机界面。首先进行快速傅里叶 变换算法和方位滤波算法的理论研究,根据理论知识设计所要实现实现的功能。然后进 行程序设计和界面的设计,分模块进行设计,之后汇成一个整体的滤波软件设计。同时 在 Matlab 进行实现相同功能的仿真,产生幅度图像﹑相位图像和方位滤波图像。 该滤波软件能够很好的对图像进行按角度滤波,运行结果正确,证明设计思 路正确。
0 23浏览
¥ 9.90 - 大数据技术 数据仓库设计与开发 商务智能技术在银行业务中基于数据仓库的研究与实现论文 共40页.pdf大数据技术 数据仓库设计与开发 商务智能技术在银行业务中基于数据仓库的研究与实现论文 共40页.pdf
0 25浏览
¥ 79.90 - 大数据技术 数据仓库设计与开发 oracle数据仓库设计指南 共9页.pdf大数据技术 数据仓库设计与开发 oracle数据仓库设计指南 共9页.pdf
0 19浏览
¥ 9.90 - 大数据技术 数据仓库设计与开发 数据仓库总体设计报告 共83页.pdf大数据技术 数据仓库设计与开发 数据仓库总体设计报告 共83页.pdf
0 28浏览
¥ 99.90 - 大数据技术 数据仓库设计与开发 数据仓库与数据挖掘考试习题汇总 共12页.pdf大数据技术 数据仓库设计与开发 数据仓库与数据挖掘考试习题汇总 共12页.pdf
0 32浏览
¥ 29.90 - 大数据技术 数据仓库设计与开发 数据仓库学习笔记 共54页.pdf大数据技术 数据仓库设计与开发 数据仓库学习笔记 共54页.pdf
0 33浏览
¥ 39.90 - 大数据技术 数据仓库设计与开发 数据仓库历史与现在发展状况 共15页.pdf大数据技术 数据仓库设计与开发 数据仓库历史与现在发展状况 共15页.pdf
0 26浏览
¥ 14.90 - 大数据技术 数据仓库设计与开发 数据仓库分析系统整体设计方案 共80页.pdf大数据技术 数据仓库设计与开发 数据仓库分析系统整体设计方案 共80页.pdf
0 18浏览
¥ 99.90 - 大数据技术 数据仓库设计与开发 SQL Server2000数据仓库基本操作 共30页.pdf大数据技术 数据仓库设计与开发 SQL Server2000数据仓库基本操作 共30页.pdf
0 25浏览
¥ 14.90