- 金融商贸大小:8MB000001~000030股票数据(上市至2017年7月5日) Excel格式, 含有 收盘价 最高价 最低价 开盘价 前收盘 涨跌额 涨跌幅 换手率 成交量 成交金额 总市值 流通市值数据,方便研究000001~000030股票数据(上市至2017年7月5日) Excel格式, 含有 收盘价 最高价 最低价 开盘价 前收盘 涨跌额 涨跌幅 换手率 成交量 成交金额 总市值 流通市值数据,方便研究0 6浏览¥ 9.90
- 课设项目源码大小:8MB基于python大数据分析与可视化的疫情信息发布平台源码(含前端、后端、数据库).zip基于python大数据分析与可视化的疫情信息发布平台源码(含前端、后端、数据库).zip基于python大数据分析与可视化的疫情信息发布平台源码(含前端、后端、数据库).zip 【优质项目推荐】 1.项目代码功能经验证ok,确保稳定可靠运行。欢迎下载使用!在使用过程中,如有问题或建议,请及时私信沟通,帮助解答。 2.项目主要针对各个计算机相关专业,包括计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网等领域的在校学生、专业教师或企业员工使用。 3.项目具有丰富的拓展空间,不仅可作为入门进阶,也可直接作为毕设、课程设计、大作业、项目初期立项演示等用途。 4.如果基础还行,或热爱钻研,可基于此项目进行二次开发,DIY其他不同功能。 基于python大数据分析与可视化的疫情信息发布平台源码(含前端、后端、数据库).zip基于python大数据分析与可视化的疫情信息发布平台源码(含前端、后端、数据库).zip基于python大数据分析与可视化的疫情信息发布平台源码(含前端、后端、数据库).zip基于python大数据分析与可视化的疫情信息发布平台源码(含前端、后端、数据库).zip基于python大数据分析与可视化的疫情信息发布平台源码(含前端、后端、数据库).zip基于python大数据分析与可视化的疫情信息发布平台源码(含前端、后端、数据库).zip基于python大数据分析与可视化的疫情信息发布平台源码(含前端、后端、数据库).zip基于python大数据分析与可视化的疫情信息发布平台源码(含前端、后端、数据库).zip基于python大数据分析与可视化的疫情信息发布平台源码(含前端、后端、数据库).zip基于python大数据分析与可视化的疫情信息发布平台源码(含前端、后端、数据库).zip基于python大数据分析与可视化的疫情信息发布平台源码(含前端、后端、数据库).zip基于python大数据分析与可视化的疫情信息发布平台源码(含前端、后端、数据库).zip基于python大数据分析与可视化的疫情信息发布平台源码(含前端、后端、数据库).zip基于python大数据分析与可视化的疫情信息发布平台源码(含前端、后端、数据库).zip 基于python大数据分析与可视化的疫情信息发布平台源码(含前端、后端、数据库).zip基于python大数据分析与可视化的疫情信息发布平台源码(含前端、后端、数据库).zip基于python大数据分析与可视化的疫情信息发布平台源码(含前端、后端、数据库).zip基于python大数据分析与可视化的疫情信息发布平台源码(含前端、后端、数据库).zip 【优质项目推荐】 1.项目代码功能经验证ok,确保稳定可靠运行。欢迎下载使用!在使用过程中,如有问题或建议,请及时私信沟通,帮助解答。 2.项目主要针对各个计算机相关专业,包括计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网等领域的在校学生、专业教师或企业员工使用。 3.项目具有丰富的拓展空间,不仅可作为入门进阶,也可直接作为毕设、课程设计、大作业、项目初期立项演示等用途。 4.如果基础还行,或热爱钻研,可基于此项目进行二次开发,DIY其他不同功能。 基于python大数据分析与可视化的疫情信息发布平台源码(含前端、后端、数据库).zip基于python大数据分析与可视化的疫情信息发布平台源码(含前端、后端、数据库).zip基于python大数据分析与可视化的疫情信息发布平台源码(含前端、后端、数据库).zip基于python大数据分析与可视化的疫情信息发布平台源码(含前端、后端、数据库).zip基于python大数据分析与可视化的疫情信息发布平台源码(含前端、后端、数据库).zip基于python大数据分析与可视化的疫情信息发布平台源码(含前端、后端、数据库).zip基于python大数据分析与可视化的疫情信息发布平台源码(含前端、后端、数据库).zip基于python大数据分析与可视化的疫情信息发布平台源码(含前端、后端、数据库).zip基于python大数据分析与可视化的疫情信息发布平台源码(含前端、后端、数据库).zip基于python大数据分析与可视化的疫情信息发布平台源码(含前端、后端、数据库).zip基于python大数据分析与可视化的疫情信息发布平台源码(含前端、后端、数据库).zip基于python大数据分析与可视化的疫情信息发布平台源码(含前端、后端、数据库).zip基于python大数据分析与可视化的疫情信息发布平台源码(含前端、后端、数据库).zip基于python大数据分析与可视化的疫情信息发布平台源码(含前端、后端、数据库).zip 基于python大数据分析与可视化的疫情信息发布平台源码(含前端、后端、数据库).zip0 12浏览¥ 69.90
- 植物大战僵尸大小:75MB植物大战僵尸杂交版植物大战僵尸杂交版0 10浏览¥ 9.90
- matlab大小:2MB基于matlab的房颤信号特征提取 项目可以直接运行。 代码注销详细基于matlab的房颤信号特征提取 项目可以直接运行。 代码注销详细0 9浏览¥ 299.90
- 大数据大小:50MB【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【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-streams0 17浏览¥ 99.90
- 【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-review0 6浏览¥ 9.90
- 【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-review0 9浏览¥ 9.90
- 【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-review0 6浏览¥ 9.90
- 【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-review0 8浏览¥ 9.90
- 【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-review0 5浏览¥ 9.90
- 【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-review0 8浏览¥ 9.90
- 【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-review0 5浏览¥ 9.90
- 【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-review0 6浏览¥ 9.90
- 【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-review0 6浏览¥ 9.90
- 【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-review0 4浏览¥ 9.90
- 【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-review0 8浏览¥ 9.90
- 【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-review0 4浏览¥ 9.90
- 【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-review0 7浏览¥ 9.90
- 【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-review0 5浏览¥ 9.90
- 【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-review0 9浏览¥ 9.90
- 【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-review0 4浏览¥ 9.90
- 【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-review0 6浏览¥ 9.90
- 【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-review0 8浏览¥ 9.90
- 【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-review0 5浏览¥ 9.90
- 【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-review0 12浏览¥ 9.90
- 数据仓库大小:5MB数仓建模 1. 数仓架构的原则: 底层业务的数据驱动为导向同时结合业务需求驱动 便于数据分析 屏蔽底层复杂业务 简单、完整、集成的将数据暴露给分析层 底层业务变动与上层需求变动对模型冲击最小化 业务系统变化影响削弱在基础数据层(资金订单改造) 结合自上而下的建设方法削弱需求变动对模型的影响 数据水平层次清晰化 高内聚松耦合 主题之内或各个完整意义的系统内数据的高内聚 主题之间或各个完整意义的系统间数据的松耦合 构建仓库基础数据层 使得底层业务数据整合工作与上层应用开发工作相隔离,为仓库大规模开发奠定基础 仓库层次更加清晰,对外暴露数据更加统一 数仓模型不只是考虑如何设计和实现功能,设计原则应该从访问性能、数据成本、使用成本、数据质量、扩展性来考虑。如何搭建一个好的数据仓库: 数仓设计的3个维度: 2. 主流建模方法 当前主流建模方法为:ER模型、维度模型。 ER模型常用于OLTP数据库建模,应用到构建数仓时更偏重数据整合, 站在企业整体考虑,将各个系统的数据按相似性一致性、合并处理,为数据分析、决策服务,但并不便于直接用来支持分析。数仓建模 1. 数仓架构的原则: 底层业务的数据驱动为导向同时结合业务需求驱动 便于数据分析 屏蔽底层复杂业务 简单、完整、集成的将数据暴露给分析层 底层业务变动与上层需求变动对模型冲击最小化 业务系统变化影响削弱在基础数据层(资金订单改造) 结合自上而下的建设方法削弱需求变动对模型的影响 数据水平层次清晰化 高内聚松耦合 主题之内或各个完整意义的系统内数据的高内聚 主题之间或各个完整意义的系统间数据的松耦合 构建仓库基础数据层 使得底层业务数据整合工作与上层应用开发工作相隔离,为仓库大规模开发奠定基础 仓库层次更加清晰,对外暴露数据更加统一 数仓模型不只是考虑如何设计和实现功能,设计原则应该从访问性能、数据成本、使用成本、数据质量、扩展性来考虑。如何搭建一个好的数据仓库: 数仓设计的3个维度: 2. 主流建模方法 当前主流建模方法为:ER模型、维度模型。 ER模型常用于OLTP数据库建模,应用到构建数仓时更偏重数据整合, 站在企业整体考虑,将各个系统的数据按相似性一致性、合并处理,为数据分析、决策服务,但并不便于直接用来支持分析。0 10浏览¥ 19.90
- 云计算大小:4MBIT平台化发展,实现面向互联网+模式的转型 采用全新的厚平台微应用架构设计理念,从竖井式的系统建设向“云计算”架构转变 建立前店后厂敏捷的数字化架构体系,前台应用敏捷化、共享化,后台技术平台标准化 建设数字化统一平台(中台)提供高质量、可重用的平台服务 通过标准化组件,模块化快速开发部署 云模式将各个分散业务应用的数据资源集中在一起,形成统一的数据资源池,为集中、高效的数据分析提供了可能,推动了企业数据架构由以前应用为中心的模式,向分析为中心的模式转变 “数字化转型”对于传统企业建设而言,不仅仅是企业自身的状况、数字化转型实施环境和成熟度是否能接受或适应转型等进行分析和考虑,更是一种思维方式的转型、甚至是对之前的认知的一种颠覆,这种使命的变革IT平台化发展,实现面向互联网+模式的转型 采用全新的厚平台微应用架构设计理念,从竖井式的系统建设向“云计算”架构转变 建立前店后厂敏捷的数字化架构体系,前台应用敏捷化、共享化,后台技术平台标准化 建设数字化统一平台(中台)提供高质量、可重用的平台服务 通过标准化组件,模块化快速开发部署 云模式将各个分散业务应用的数据资源集中在一起,形成统一的数据资源池,为集中、高效的数据分析提供了可能,推动了企业数据架构由以前应用为中心的模式,向分析为中心的模式转变 “数字化转型”对于传统企业建设而言,不仅仅是企业自身的状况、数字化转型实施环境和成熟度是否能接受或适应转型等进行分析和考虑,更是一种思维方式的转型、甚至是对之前的认知的一种颠覆,这种使命的变革0 5浏览¥ 14.90
- matlab大小:6KB蚁群算法基于matlab实现,有源代码,和详细的说明文件,matlab仿真的数据及参数输入的值都一给定好。学习蚁群算法的最好的代码了。.rar蚁群算法基于matlab实现,有源代码,和详细的说明文件,matlab仿真的数据及参数输入的值都一给定好。学习蚁群算法的最好的代码了。.rar0 7浏览¥ 49.90
- 大数据大小:3MB2024年甘肃省职业院校技能大赛中职组“大数据应用服务”赛题库 含三套大数据应用服务省赛题2024年甘肃省职业院校技能大赛中职组“大数据应用服务”赛题库 含三套大数据应用服务省赛题0 43浏览¥ 9.90
- 软件/插件大小:391Bkettle-pdi-ce-9.0是 Kettle(也称为 Pentaho Data Integration, PDI)的一个特定版本。Kettle 是一个开源的 ETL(Extract, Transform, Load)工具,用于数据集成和数据迁移任务。现在直接找到特定版本的Kettle(也称为Pentaho Data Integration, PDI)资源可能会有些困难,有些版本可能会有些异常问题在新版本中进行了修复。kettle-pdi-ce-9.0是 Kettle(也称为 Pentaho Data Integration, PDI)的一个特定版本。Kettle 是一个开源的 ETL(Extract, Transform, Load)工具,用于数据集成和数据迁移任务。现在直接找到特定版本的Kettle(也称为Pentaho Data Integration, PDI)资源可能会有些困难,有些版本可能会有些异常问题在新版本中进行了修复。0 25浏览¥ 9.90
- 机器学习大小:9MB数据挖掘可视化系统(Data Mining Visualization System)通过数据挖掘理论、机器学习算法以及数据可视化等信息技术,并基于 Flask 框架搭建 Web 服务器,实现数据挖掘可视化。 构建一个基于Flask框架的数据挖掘可视化系统是一个涉及多个领域的复杂任务,包括数据挖掘、机器学习、数据可视化以及Web开发。以下是一个简化的步骤指南,帮助你开始这个项目: 1. 确定需求和目标 明确你的数据挖掘可视化系统需要解决什么问题。 确定需要展示哪些数据挖掘结果和机器学习模型。 设定系统的用户群体和交互需求。 2. 数据准备 收集并整理你的数据集。 对数据进行预处理,包括清洗、转换、特征提取等。 根据需求,将数据集分为训练集、验证集和测试集(如果需要)。 3. 数据挖掘和机器学习 选择合适的数据挖掘技术和机器学习算法来解决问题。 使用Python等编程语言编写代码来实现这些算法。 在训练集上训练模型,并在验证集上进行验证和调整。 评估模型的性能,并保存最佳模型。 4. 数据可视化 选择合适的数据可视化库,如Matplotlib、Seaborn、Plotly或Bokeh等数据挖掘可视化系统(Data Mining Visualization System)通过数据挖掘理论、机器学习算法以及数据可视化等信息技术,并基于 Flask 框架搭建 Web 服务器,实现数据挖掘可视化。 构建一个基于Flask框架的数据挖掘可视化系统是一个涉及多个领域的复杂任务,包括数据挖掘、机器学习、数据可视化以及Web开发。以下是一个简化的步骤指南,帮助你开始这个项目: 1. 确定需求和目标 明确你的数据挖掘可视化系统需要解决什么问题。 确定需要展示哪些数据挖掘结果和机器学习模型。 设定系统的用户群体和交互需求。 2. 数据准备 收集并整理你的数据集。 对数据进行预处理,包括清洗、转换、特征提取等。 根据需求,将数据集分为训练集、验证集和测试集(如果需要)。 3. 数据挖掘和机器学习 选择合适的数据挖掘技术和机器学习算法来解决问题。 使用Python等编程语言编写代码来实现这些算法。 在训练集上训练模型,并在验证集上进行验证和调整。 评估模型的性能,并保存最佳模型。 4. 数据可视化 选择合适的数据可视化库,如Matplotlib、Seaborn、Plotly或Bokeh等0 24浏览¥ 19.90
- 数据是企业非常重要的资源,但很难直接使用; 需要通过一系列的治理过程将数据资源转化为企业可使用的数据资产; 而只有将数据资产真正应用到业务中,才能产生效益,成为企业的资本; 企业进行数据治理管理的最大驱动力来自数据的应用价值; 数据治理管理是企业重要的战略组成部分; 数据治理管理需要企业投资来驱动; 组织、制度、规范、开发与工具是企业进行数据治理管理的核心要素。 数据治理管理是组织中涉及数据使用的一整套管理行为,是由数据管理部门发起并推行,为了将数据资源转化为数据资产并对外供数据服务以响应数据应用需求,而所采取的元数据管理、数据标准管理、数据开发与数据质量控制等一系列政策、技术与流程管理活动的总称。0 8浏览¥ 9.90
- 狭义上:数据治理是指对数据质量的管理、专注在数据本身。 广义上:数据治理是对数据的全生命周期进行管理,包含数据采集、清洗、转换等传统数据集成和存储环节的工作、同时还包含数据资产目录、数据标准、质量、安全、数据开发、数据服务与应用等,整个数据生命期而开展开的业务、技术和管理活动都属于数据治理范畴。 数据治理定义:数据治理专注于将数据作为企事业单位数据资产进行应用和管理的一套管理机制,能够消除数据的不一致性,建立规范的数据应用标准,提高数据质量,实现数据内外部共享,并能够将数据作为组织的宝贵资产应用于业务、管理、战略决策中,发挥数据资产价值。 利用数据治理平台所覆盖的从标准、设计、采集、开发到使用,再到交付和运维的全数据治理流程,帮助组织实现一站式数据治理运营服务,可满足数据共享交换、数据开发、数据运营多种应用场景,并通过构建数据工厂,实现数据治理的标准化、流程化与组件化。0 14浏览¥ 9.90
- 智慧城市大小:63MB压缩包内包含数据治理解决方案word文档共15份,具体如下: 【推荐】A数据交换共享整合系统平台建设方案.docx 【推荐】A数据交换平台设计方案.doc 推荐】A协同数据交换平台详细设计方案,doc 推荐】A政务大数据交换共享平台建设方案.doc 【推荐】DSP数据服务共享平台产品白皮书.docx 推荐】H3C新华三-XXX智慧城市大数据共享交换平台建设方案.doc 【推荐】XX能源云数据平台建设项目 投标书 技术部分 V1.0.doc 【推荐】普元公共信息服务平台解决方案白皮书v0.3.docx 推荐】普元数据服务共享平台功能说明.docx 推荐】数据治理服务解决方案.doc 【推荐】数据治理总体解决方案-29页.docx 大数据治理平台建设规划方案.docx 数据共享交换平台解决方案.doc 政务信息资源共享交换平台建设方案,doc 中信银行ODS方案.docx压缩包内包含数据治理解决方案word文档共15份,具体如下: 【推荐】A数据交换共享整合系统平台建设方案.docx 【推荐】A数据交换平台设计方案.doc 推荐】A协同数据交换平台详细设计方案,doc 推荐】A政务大数据交换共享平台建设方案.doc 【推荐】DSP数据服务共享平台产品白皮书.docx 推荐】H3C新华三-XXX智慧城市大数据共享交换平台建设方案.doc 【推荐】XX能源云数据平台建设项目 投标书 技术部分 V1.0.doc 【推荐】普元公共信息服务平台解决方案白皮书v0.3.docx 推荐】普元数据服务共享平台功能说明.docx 推荐】数据治理服务解决方案.doc 【推荐】数据治理总体解决方案-29页.docx 大数据治理平台建设规划方案.docx 数据共享交换平台解决方案.doc 政务信息资源共享交换平台建设方案,doc 中信银行ODS方案.docx0 5浏览¥ 19.90
- 大数据大小:298MB压缩包内包含行业白皮书,中台解决方案等44个文件: 001-2022年中国数据中台行业研究报告.pdf002-2021年中国数据中台行业白皮书.pdf 003-阿里云数据中台电信行业数据模型白皮书.pdf004-阿里云数据中台解决方案:基于Dataphin和Quick Bl的中台解决方案介绍.pdf005-阿里云数据中台零售数据模型白皮书.pdf 006-贝壳业务数据治理在中台侧的实践分享.pdf 007-打造企业数据中台 推进企业智慧运营.pdf 008-大数据中台架构分享.pdf 009-滴滴敏捷数据中台实践.pdf 010-关于汽车行业数据中台的思考.pdf 011-华为云大数据中台架构分享.pdf 012-华为云数据中台解决方案介绍.pdf 013-集团管控下的风险数据中台实践探索2.1.pptx 014-建设数据中台,赋能创新改革.pdf 015-精益数据体系的数据中台实践.pdf 016-企业的数据中台的价值.pdf 017-企业数据中台介绍.pdf 018-什么是数据中台?全面解读数据中台.pdf 019-数据仓库 vs 数据集市 vs 数据湖 vs 数据中台.pdf压缩包内包含行业白皮书,中台解决方案等44个文件: 001-2022年中国数据中台行业研究报告.pdf002-2021年中国数据中台行业白皮书.pdf 003-阿里云数据中台电信行业数据模型白皮书.pdf004-阿里云数据中台解决方案:基于Dataphin和Quick Bl的中台解决方案介绍.pdf005-阿里云数据中台零售数据模型白皮书.pdf 006-贝壳业务数据治理在中台侧的实践分享.pdf 007-打造企业数据中台 推进企业智慧运营.pdf 008-大数据中台架构分享.pdf 009-滴滴敏捷数据中台实践.pdf 010-关于汽车行业数据中台的思考.pdf 011-华为云大数据中台架构分享.pdf 012-华为云数据中台解决方案介绍.pdf 013-集团管控下的风险数据中台实践探索2.1.pptx 014-建设数据中台,赋能创新改革.pdf 015-精益数据体系的数据中台实践.pdf 016-企业的数据中台的价值.pdf 017-企业数据中台介绍.pdf 018-什么是数据中台?全面解读数据中台.pdf 019-数据仓库 vs 数据集市 vs 数据湖 vs 数据中台.pdf0 8浏览¥ 29.90
- 大数据大小:224MB压缩包内包含42份规范和白皮书文档,具体如下: 001-中国双碳大数据指数白皮书(2022).pdf002-中国大数据产业全景图谱(2022年).pdf003-2022中国能源大数据报告.pdf 004-2022中国大数据产业发展指数报告.pdf 005-2022中国大数据产业发展白皮书.pdf 006-2022年中国大数据区域发展水平评估报告.pdf007-2022年中国大数据产业一级市场纵览.pdf 008-2020年中国大数据区域发展水平评估白皮书.pdf 009-大数据白皮书(2022).pdf 010-大数据白皮书(2021).pdf 011-大数据白皮书(2020).pdf 012-大数据白皮书(2019).pdf 013-大数据白皮书(2018).pdf 014-中国大数据区域发展水平评估白皮书(2021年).pdf015-JRT 0237-2021 金融大数据平台总体技术要求.pdf016-2021年重点城市大数据发展指数报告.pdf017-2021年中国大数据区域发展水平评估白皮书.pdf018-2021年中国大数据产业发展指数白皮书.pdf压缩包内包含42份规范和白皮书文档,具体如下: 001-中国双碳大数据指数白皮书(2022).pdf002-中国大数据产业全景图谱(2022年).pdf003-2022中国能源大数据报告.pdf 004-2022中国大数据产业发展指数报告.pdf 005-2022中国大数据产业发展白皮书.pdf 006-2022年中国大数据区域发展水平评估报告.pdf007-2022年中国大数据产业一级市场纵览.pdf 008-2020年中国大数据区域发展水平评估白皮书.pdf 009-大数据白皮书(2022).pdf 010-大数据白皮书(2021).pdf 011-大数据白皮书(2020).pdf 012-大数据白皮书(2019).pdf 013-大数据白皮书(2018).pdf 014-中国大数据区域发展水平评估白皮书(2021年).pdf015-JRT 0237-2021 金融大数据平台总体技术要求.pdf016-2021年重点城市大数据发展指数报告.pdf017-2021年中国大数据区域发展水平评估白皮书.pdf018-2021年中国大数据产业发展指数白皮书.pdf0 13浏览¥ 29.90
- 数据中台大小:75MB该压缩包内包含了数据中台解决方案PDF文档共15份,具体如下: 【推荐】1数据中台解决方案-全49页-2021年.pdf【推荐】阿里云数据中台解决方案.pdf【推荐】大型项目Cl的服务化解决方案.pdf【推荐】袋鼠云数据中台解决方案.pdf 【推荐】浪潮数据中台解决方案.pdf 【推荐】融谷数字李生项目交付生态中心.pdf 【推荐】数据中台解决方案.pdf 阿里云中台体系架构介绍.pdf 城市数据大脑中台治理交通堵塞解决方案-61页.pdf袋鼠云数据智能(数据中台、智能运维)解决方案.pdf亠电PaaS中台解决方案.pdf基于数据湖的企业数据中台解决方案,pdf基于数据湖的企业中台解决方案(3.0).pdf集团型企业数据中台建设方案,pdf用友数据中台解决方案-14页.pdf该压缩包内包含了数据中台解决方案PDF文档共15份,具体如下: 【推荐】1数据中台解决方案-全49页-2021年.pdf【推荐】阿里云数据中台解决方案.pdf【推荐】大型项目Cl的服务化解决方案.pdf【推荐】袋鼠云数据中台解决方案.pdf 【推荐】浪潮数据中台解决方案.pdf 【推荐】融谷数字李生项目交付生态中心.pdf 【推荐】数据中台解决方案.pdf 阿里云中台体系架构介绍.pdf 城市数据大脑中台治理交通堵塞解决方案-61页.pdf袋鼠云数据智能(数据中台、智能运维)解决方案.pdf亠电PaaS中台解决方案.pdf基于数据湖的企业数据中台解决方案,pdf基于数据湖的企业中台解决方案(3.0).pdf集团型企业数据中台建设方案,pdf用友数据中台解决方案-14页.pdf0 9浏览¥ 29.90
- 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 10浏览¥ 9.90
- 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 13浏览¥ 9.90
- 数据来源:ODS层缓冲区、物联网设备、非结构化文件。 数据分类:按照业务主题分类,如设计主题、生产主题、物资主题。 数据采集方式:ODS层数据采用ETL工具、物联网设备采用IOT平台或服务接口、文件通过上传附件或服务接口接入。 数据处理规则:数据过滤、数据类型标准化、编码转换、量纲统一、数据去重、数据汇总等。 数据存储介质:关系型数据库、MPP数据库、NoSQL数据库、分布式文件系统。 明细数据区和轻度汇总数据区。 按业务分主题进行设计。 明细数据区每个实体原则上都要加相应的时间戳。 轻度汇总数据区的模型设计依赖于分析需求。 数据仓库模型是符合3NF 的带有时间戳的关系模型。 建立编码映射表,用于进行有关编码转换。0 5浏览¥ 9.90
- 数据中台是一套可持续“让企业数据用起来”的机制,是一套解决方案,不仅是一个平台。让数据更加灵活地支撑前端业务,通过持续沉淀企业数据复用能力形成数据从采集、治理、开发到数据服务的一整套数据使用的机制。 “咨询+软件平台+实施”三位一体确保数据中台成功建设: 咨询服务:顶层设计,确定数据战略和数据规划,绘制蓝图,指导中台建设实施。 软件平台:中台战略的承接载体,实施工作的支撑工具。 实施服务:数据中台落地的关键保障。 数据中台规划的核心内容是确定企业的数据战略,以及为达成战略目标所需要的组织保障(组织、流程、制度)、数据保障(数据架构、数据安全、数据标准、数据仓库、数据质量、数据服务)和技术平台保障。0 9浏览¥ 9.90
- 大数据大小:563MB该压缩包共包含大数据解决方案PDF文档66份,其中包含以下文件: 【推荐】智慧工厂大数据信息化方案.pdf社会综合治理大数据解决方案-49页.pdf 【推荐】政务云计算和大数据平台解决方案(智慧城市).pdf阿里云大数据产品及解决方案.pdf 大数据-智慧油气方案.pdf 大数据+物联网智慧水务解决方案-86页.pdf大数据治理平台建设规划方案-71页.pdf农业大数据助力智慧农业建设-83页.pdf水利大数据解决方案 图片-102页.pdf 【推荐】政务大数据能力平台建设方案-30页.pdf医院大数据解决方案.pdf 工业大数据可视化整体解决方案.pdf 智慧城市公共服务平台项目建设方案.pdf 互联网+智慧城市中的时空大数据解决方案,pdf行业大数据治理平台.pdf 2021年全域智慧旅游大数据解决方案.pdf全域智慧旅游大数据解决方案-99页.pdf乡村振兴大数据平台架构方案-56页.pdf烟草行业大数据应用建设方案-52页.pdf 等该压缩包共包含大数据解决方案PDF文档66份,其中包含以下文件: 【推荐】智慧工厂大数据信息化方案.pdf社会综合治理大数据解决方案-49页.pdf 【推荐】政务云计算和大数据平台解决方案(智慧城市).pdf阿里云大数据产品及解决方案.pdf 大数据-智慧油气方案.pdf 大数据+物联网智慧水务解决方案-86页.pdf大数据治理平台建设规划方案-71页.pdf农业大数据助力智慧农业建设-83页.pdf水利大数据解决方案 图片-102页.pdf 【推荐】政务大数据能力平台建设方案-30页.pdf医院大数据解决方案.pdf 工业大数据可视化整体解决方案.pdf 智慧城市公共服务平台项目建设方案.pdf 互联网+智慧城市中的时空大数据解决方案,pdf行业大数据治理平台.pdf 2021年全域智慧旅游大数据解决方案.pdf全域智慧旅游大数据解决方案-99页.pdf乡村振兴大数据平台架构方案-56页.pdf烟草行业大数据应用建设方案-52页.pdf 等0 13浏览¥ 29.90
- 大数据平台是一个可扩展的数据平台,全面整合集团业务数据,建立从业务层到管理层再到决策层的集团数据智能分析体系,使经营者能够及时掌握全面的经营状况,迅速做出科学决策。 集团大数据平台主要分成六大部分: 1、 用新技术建设集团大数据平台,在平台上构建集团企业级的数据仓库; 2、 建立统一的数据采集加工平台,供大数据平台从各业务系统及外部环境采集、加工、清洗、爬取数据; 3、 数据管控平台,为大数据平台提供主数据管理、元数据管理、数据质量管理、数据标准管理、数据安全管理等服务; 4、 企业级数据分析平台,主要用于经营分析和决策支持; 5、 数据可视化展现平台,包括:可视化交互查询、图表展示、移动展示、地图展示、管理驾驶舱等; 6、 数据分析与挖掘平台,包括:并行化算法模型库、数据分析挖掘工具等。0 5浏览¥ 19.90
- 数据治理概念 数据治理是指将数据作为组织资产而展开的一系列的 具体化工作,是对数据的全生命周期管理。 数据治理体系是指从组织架构、管理制度、操作规范、 IT应用技术、绩效考核支持等多个维度对组织的数据模型、 数据架构、数据质量、数据安全、数据生命周期等各方面进 行全面的梳理、建设以及持续改进的体系。 2.2 数据治理目标 数据治理的目标是提高数据的质量(准确性和完整性), 保证数据的安全性(保密性、完整性及可用性),实现数据 资源在各组织机构部门的共享;推进信息资源的整合、对接和 共享,从而提升集团公司或政务单位信息化水平,充分发挥信 息化作用。 I数据治理体系 数据治理体系包含两个方面,一是数据质量核心领域, 二是数据质量保障机制。0 7浏览¥ 9.90
- matlab大小:10MB模型算法模拟退火资料合集含: satools 模拟退火工具箱satools 模拟退火算法模拟退火算法的matlab示例模拟退火算法论文 违传退火进化算法,rar直接搜索算法模拟退火算法(MATLAB实现)模拟退火算法(新)模拟退火算法 模拟退火算法及禁忌搜索算法的matlab...模拟退火算法求解TSP问题Matlab源码模拟退火算法源程序 模拟退火算法在指数曲线拟合中的应用数学中国针对美赛培训汇总(1)选传算法解非线性方程组的Matlab程序元胞自动机与Matlab模型算法模拟退火资料合集含: satools 模拟退火工具箱satools 模拟退火算法模拟退火算法的matlab示例模拟退火算法论文 违传退火进化算法,rar直接搜索算法模拟退火算法(MATLAB实现)模拟退火算法(新)模拟退火算法 模拟退火算法及禁忌搜索算法的matlab...模拟退火算法求解TSP问题Matlab源码模拟退火算法源程序 模拟退火算法在指数曲线拟合中的应用数学中国针对美赛培训汇总(1)选传算法解非线性方程组的Matlab程序元胞自动机与Matlab0 15浏览¥ 14.90
- matlab大小:3KBmatlab Physical layer of the IEEE 802.11ac simulator.zipmatlab Physical layer of the IEEE 802.11ac simulator.zip0 10浏览¥ 14.90
- matlab大小:8MB1.版本:matlab2022A。 2.包含:程序,中文注释,参考文献,仿真操作步骤(使用windows media player播放)。 3.领域:基频与共振峰计算 4.仿真效果:仿真效果可以参考博客同名文章《基于倒谱变换法的语音信号基频与共振峰计算matlab仿真》 5.内容:基于倒谱变换法的语音信号基频与共振峰计算matlab仿真。倒谱变换(Cepstrum Analysis)是信号处理中用于分析和提取信号参数的一种有效方法,尤其在语音信号处理领域,它可以用来估计语音信号的基频和共振峰。通过倒谱变换,可以将时域的语音信号转换到倒谱域,然后在倒谱图上寻找过零点或者峰值,这些位置对应的频率轴值就是基频的估计值。在倒谱域中,共振峰表现为稳定的、幅度较大的峰值。通过对倒谱进行峰值检测,可以估计出各个共振峰的位置,即共振峰频率。 6.注意事项:注意MATLAB左侧当前文件夹路径,必须是程序所在文件夹位置,具体可以参考视频录。1.版本:matlab2022A。 2.包含:程序,中文注释,参考文献,仿真操作步骤(使用windows media player播放)。 3.领域:基频与共振峰计算 4.仿真效果:仿真效果可以参考博客同名文章《基于倒谱变换法的语音信号基频与共振峰计算matlab仿真》 5.内容:基于倒谱变换法的语音信号基频与共振峰计算matlab仿真。倒谱变换(Cepstrum Analysis)是信号处理中用于分析和提取信号参数的一种有效方法,尤其在语音信号处理领域,它可以用来估计语音信号的基频和共振峰。通过倒谱变换,可以将时域的语音信号转换到倒谱域,然后在倒谱图上寻找过零点或者峰值,这些位置对应的频率轴值就是基频的估计值。在倒谱域中,共振峰表现为稳定的、幅度较大的峰值。通过对倒谱进行峰值检测,可以估计出各个共振峰的位置,即共振峰频率。 6.注意事项:注意MATLAB左侧当前文件夹路径,必须是程序所在文件夹位置,具体可以参考视频录。0 69浏览¥ 29.90
- 推荐算法大小:1MB博主结合大量论文自行实现的一个基于隐马尔可夫模型(HMM)的推荐算法,易于理解(含有大量注释)。这个项目使用了MovieLens-100K数据集,并将其按照3:1的比例分成了训练集和测试集。在算法的评估中,采用了准确度和召回率两个指标,同时也可以通过这两个指标计算F1分数。此算法不仅能够计算所有用户推荐结果的平均准确度和平均召回率,还能针对特定用户计算其推荐结果的准确度和召回率。有问题请及时私聊博主。博主结合大量论文自行实现的一个基于隐马尔可夫模型(HMM)的推荐算法,易于理解(含有大量注释)。这个项目使用了MovieLens-100K数据集,并将其按照3:1的比例分成了训练集和测试集。在算法的评估中,采用了准确度和召回率两个指标,同时也可以通过这两个指标计算F1分数。此算法不仅能够计算所有用户推荐结果的平均准确度和平均召回率,还能针对特定用户计算其推荐结果的准确度和召回率。有问题请及时私聊博主。5 21浏览¥ 54.90
- 软件/插件大小:95MB地球流体力学模拟系统,包含:气象、地表水(海洋、河流与湖泊)、地下水、地震波等组件。目的是:(1)快速编译安装和运行模式;(2)前处理、编译和后处理的文档说明;(3)高性能计算,提高时空分辨率;(4)自动化建模工作流。Meterology: 数值气象预报(NWP), 包括:WRF和RegCM.SurfaceWater: 地表水(河流, 海洋)模式, 包括:SCHISM, telemac, shyfem, SUNTANS, DGSWE, dgswemv2, ADCIRC, WW3, CROCO, NEMO, firedrake, Underground: 地下流动, 包括MODFLOW6,MPLBMUT,OpenPorousMedia,GEOSX,waiwera, OpenGeosys, Geological-Modelling: 地质建模, 包含:地震数据处理与解释(OpendTect), 隐式地质建模(Gempy, LoopStructural).VirtualReality: 可视化后处理, 包括: 虚拟现实(VR), 原位可视化, 集群图形渲染。地球流体力学模拟系统,包含:气象、地表水(海洋、河流与湖泊)、地下水、地震波等组件。目的是:(1)快速编译安装和运行模式;(2)前处理、编译和后处理的文档说明;(3)高性能计算,提高时空分辨率;(4)自动化建模工作流。Meterology: 数值气象预报(NWP), 包括:WRF和RegCM.SurfaceWater: 地表水(河流, 海洋)模式, 包括:SCHISM, telemac, shyfem, SUNTANS, DGSWE, dgswemv2, ADCIRC, WW3, CROCO, NEMO, firedrake, Underground: 地下流动, 包括MODFLOW6,MPLBMUT,OpenPorousMedia,GEOSX,waiwera, OpenGeosys, Geological-Modelling: 地质建模, 包含:地震数据处理与解释(OpendTect), 隐式地质建模(Gempy, LoopStructural).VirtualReality: 可视化后处理, 包括: 虚拟现实(VR), 原位可视化, 集群图形渲染。0 14浏览¥ 49.90
- c语言大小:73KB$C$语言被广泛应用于全面解析全球定位系统(GPS)数据。在GPS数据的处理过程中,$C$语言可以有效地提取位置、速度、时间等信息,并进行高精度的数据解析和处理。通过$C$语言的编程实现,可以实现对GPS数据的全方位解析,包括数据的解码、校验、转换以及存储等一系列复杂操作。这种全面解析GPS数据的能力使得$C$语言成为处理GPS数据的首选工具之一。在$C$语言中,开发人员可以利用各种数据结构和算法来优化GPS数据的解析过程,提高程序的效率和性能。通过灵活运用$C$语言的特性,开发人员可以实现对GPS数据的多层解析,满足不同应用场景下的需求。同时,$C$语言还提供了丰富的库函数和工具,帮助开发人员更加便捷地实现GPS数据的全面解析和应用。总的来说,$C$语言在实现GPS数据全解析方面具有独特的优势和广泛的应用前景。通过深入学习$C$语言的相关知识和技术,开发人员可以更好地利用这一强大工具,实现对GPS数据的全面解析和应用,为定位导航等领域的发展提供有力支持。$C$语言还被用于开发GPS数据处理软件,用于航空、汽车导航系统等。其高效性和灵活性使得$C$语言在GPS数据处理领域具有不可替代$C$语言被广泛应用于全面解析全球定位系统(GPS)数据。在GPS数据的处理过程中,$C$语言可以有效地提取位置、速度、时间等信息,并进行高精度的数据解析和处理。通过$C$语言的编程实现,可以实现对GPS数据的全方位解析,包括数据的解码、校验、转换以及存储等一系列复杂操作。这种全面解析GPS数据的能力使得$C$语言成为处理GPS数据的首选工具之一。在$C$语言中,开发人员可以利用各种数据结构和算法来优化GPS数据的解析过程,提高程序的效率和性能。通过灵活运用$C$语言的特性,开发人员可以实现对GPS数据的多层解析,满足不同应用场景下的需求。同时,$C$语言还提供了丰富的库函数和工具,帮助开发人员更加便捷地实现GPS数据的全面解析和应用。总的来说,$C$语言在实现GPS数据全解析方面具有独特的优势和广泛的应用前景。通过深入学习$C$语言的相关知识和技术,开发人员可以更好地利用这一强大工具,实现对GPS数据的全面解析和应用,为定位导航等领域的发展提供有力支持。$C$语言还被用于开发GPS数据处理软件,用于航空、汽车导航系统等。其高效性和灵活性使得$C$语言在GPS数据处理领域具有不可替代0 28浏览¥ 29.90
- react.js大小:244KB这是一个基于 React 封装的高德地图组件,旨在帮助用户轻松将地图功能集成到其 React 项目中。除了必须引用的 APILoader/Map 组件外,我们还提供了最常用的地图组件,以满足大多数简单业务场景的需求。如果您有更复杂的需求,或者觉得默认提供的组件功能不够,可以利用 Map 组件返回的地图实例,完全自定义一个地图组件,并根据高德原生 API 进行扩展,实现高德地图允许的所有功能。该组件自动加载高德地图 SDK,通过创建 Script 标签的方式加载,包括第三方 SDK。它使用 Typescript 编写,集成了高德地图 SDK 的 @type 声明文件,其中包括中文注释。同时,它支持 React Hook 的新增特性,要求 React 版本在16.8以上。该组件不依赖任何第三方组件,且已经拆分成多个包,可以按需使用。总之,这个基于 React 封装的高德地图组件具有以下特点:自动加载高德地图 SDK,提供常用地图组件,支持自定义扩展,使用 Typescript 编写,集成 @type 声明文件,支持 React Hook 特性,无第三方组件依赖,按需使用包。希望这个组件能够这是一个基于 React 封装的高德地图组件,旨在帮助用户轻松将地图功能集成到其 React 项目中。除了必须引用的 APILoader/Map 组件外,我们还提供了最常用的地图组件,以满足大多数简单业务场景的需求。如果您有更复杂的需求,或者觉得默认提供的组件功能不够,可以利用 Map 组件返回的地图实例,完全自定义一个地图组件,并根据高德原生 API 进行扩展,实现高德地图允许的所有功能。该组件自动加载高德地图 SDK,通过创建 Script 标签的方式加载,包括第三方 SDK。它使用 Typescript 编写,集成了高德地图 SDK 的 @type 声明文件,其中包括中文注释。同时,它支持 React Hook 的新增特性,要求 React 版本在16.8以上。该组件不依赖任何第三方组件,且已经拆分成多个包,可以按需使用。总之,这个基于 React 封装的高德地图组件具有以下特点:自动加载高德地图 SDK,提供常用地图组件,支持自定义扩展,使用 Typescript 编写,集成 @type 声明文件,支持 React Hook 特性,无第三方组件依赖,按需使用包。希望这个组件能够0 33浏览¥ 29.90
- 数据挖掘大小:179MB数据挖掘工具提供数据丰富的数据预处理、数据分析与数据挖掘组件,使用直观的拖放式图形界面构建数据挖掘工作流程,无需编程。支持多种数据源,包括CSV文件和关系型数据库。支持挖掘流程每个节点的结果在线预览。提供5大类共40种算法组件,包括数据预处理、分类、聚类等数据挖掘算法。支持新增/编辑算法组件,自定义程度高。提供众多公开可用的数据挖掘示例工程,一键创建,快速运行。数据挖掘工具提供数据丰富的数据预处理、数据分析与数据挖掘组件,使用直观的拖放式图形界面构建数据挖掘工作流程,无需编程。支持多种数据源,包括CSV文件和关系型数据库。支持挖掘流程每个节点的结果在线预览。提供5大类共40种算法组件,包括数据预处理、分类、聚类等数据挖掘算法。支持新增/编辑算法组件,自定义程度高。提供众多公开可用的数据挖掘示例工程,一键创建,快速运行。0 17浏览¥ 19.90
- 数据集大小:737MB这篇文章主要讲解如何使用ConvNeXt V2完成图像分类任务,接下来我们一起完成项目的实战。本例选用的模型是convnextv2_base,在植物幼苗数据集上实现了96%的准确率。这篇文章主要讲解如何使用ConvNeXt V2完成图像分类任务,接下来我们一起完成项目的实战。本例选用的模型是convnextv2_base,在植物幼苗数据集上实现了96%的准确率。0 103浏览¥ 19.90
- opencv大小:22MB使用OpenCV部署yolov8人脸检测,包含C++和Python两个版本的程序,只依赖opencv库就可以运行,彻底摆脱对任何深度学习框架的依赖。.rar使用OpenCV部署yolov8人脸检测,包含C++和Python两个版本的程序,只依赖opencv库就可以运行,彻底摆脱对任何深度学习框架的依赖。.rar0 13浏览¥ 29.90
- pytorch大小:100MB实现信息资源挖掘与可视化平台需要结合Python中的数据挖掘和可视化库, ### 平台基本功能需求: 1. **信息资源采集**:实现从互联网等信息源采集数据的功能,可以通过爬虫框架(如Scrapy)来实现数据的抓取。 2. **数据清洗与预处理**:对采集到的数据进行清洗、去重、格式转换等预处理工作,确保数据质量。 3. **数据挖掘算法应用**:使用Python中的数据挖掘库(如Scikit-learn、TensorFlow等)进行数据分析、模型建立和挖掘。 4. **可视化展示**:利用Python中的可视化库(如Matplotlib、Seaborn、Plotly等)将挖掘结果以图表、图像等形式直观展示。 5. **用户管理和权限控制**:实现用户注册、登录、权限管理等功能,确保不同用户只能访问其具有权限的数据和功能。 ### 技术选型: 1. **Python 编程语言**:作为主要开发语言,Python具有丰富的数据处理、挖掘和可视化库,适合信息资源挖掘平台的开发。 2. **数据挖掘库**:使用Sci...实现信息资源挖掘与可视化平台需要结合Python中的数据挖掘和可视化库, ### 平台基本功能需求: 1. **信息资源采集**:实现从互联网等信息源采集数据的功能,可以通过爬虫框架(如Scrapy)来实现数据的抓取。 2. **数据清洗与预处理**:对采集到的数据进行清洗、去重、格式转换等预处理工作,确保数据质量。 3. **数据挖掘算法应用**:使用Python中的数据挖掘库(如Scikit-learn、TensorFlow等)进行数据分析、模型建立和挖掘。 4. **可视化展示**:利用Python中的可视化库(如Matplotlib、Seaborn、Plotly等)将挖掘结果以图表、图像等形式直观展示。 5. **用户管理和权限控制**:实现用户注册、登录、权限管理等功能,确保不同用户只能访问其具有权限的数据和功能。 ### 技术选型: 1. **Python 编程语言**:作为主要开发语言,Python具有丰富的数据处理、挖掘和可视化库,适合信息资源挖掘平台的开发。 2. **数据挖掘库**:使用Sci...0 21浏览¥ 59.90
- python大小:4MB实现信息资源挖掘与可视化平台需要结合Python中的数据挖掘和可视化库, ### 平台基本功能需求: 1. **信息资源采集**:实现从互联网等信息源采集数据的功能,可以通过爬虫框架(如Scrapy)来实现数据的抓取。 2. **数据清洗与预处理**:对采集到的数据进行清洗、去重、格式转换等预处理工作,确保数据质量。 3. **数据挖掘算法应用**:使用Python中的数据挖掘库(如Scikit-learn、TensorFlow等)进行数据分析、模型建立和挖掘。 4. **可视化展示**:利用Python中的可视化库(如Matplotlib、Seaborn、Plotly等)将挖掘结果以图表、图像等形式直观展示。 5. **用户管理和权限控制**:实现用户注册、登录、权限管理等功能,确保不同用户只能访问其具有权限的数据和功能。 ### 技术选型: 1. **Python 编程语言**:作为主要开发语言,Python具有丰富的数据处理、挖掘和可视化库,适合信息资源挖掘平台的开发。 2. **数据挖掘库**:...实现信息资源挖掘与可视化平台需要结合Python中的数据挖掘和可视化库, ### 平台基本功能需求: 1. **信息资源采集**:实现从互联网等信息源采集数据的功能,可以通过爬虫框架(如Scrapy)来实现数据的抓取。 2. **数据清洗与预处理**:对采集到的数据进行清洗、去重、格式转换等预处理工作,确保数据质量。 3. **数据挖掘算法应用**:使用Python中的数据挖掘库(如Scikit-learn、TensorFlow等)进行数据分析、模型建立和挖掘。 4. **可视化展示**:利用Python中的可视化库(如Matplotlib、Seaborn、Plotly等)将挖掘结果以图表、图像等形式直观展示。 5. **用户管理和权限控制**:实现用户注册、登录、权限管理等功能,确保不同用户只能访问其具有权限的数据和功能。 ### 技术选型: 1. **Python 编程语言**:作为主要开发语言,Python具有丰富的数据处理、挖掘和可视化库,适合信息资源挖掘平台的开发。 2. **数据挖掘库**:...0 32浏览¥ 59.90
- 毕业设计大小:143MB这个题目聚焦于城市道路交通模糊控制技术的研究与实现。以下是关于每个阶段的内容说明: 1. 开题报告: - 在开题报告中,需要描述研究目标、意义和背景,概括复杂的城市交通系统和当前智能交通系统的发展现状,提出了采用模糊控制技术来优化城市道路交通系统效率的研究问题。 2. 参考资料: - 研究人员应该收集包括模糊控制理论、城市交通规划、交通工程学和机器学习在内的相关文献,以便对研究对象有全面深入的了解。 3. 外文翻译: - 需要进行与研究主题相关的外文文献的翻译,并且对翻译结果进行同行评议。 4. 中期成果: - 中期成果通常包括对城市交通需求和特征的研究、对城市道路交通模糊控制方法的分析、城市道路交通模糊控制仿真平台的设计与开发等内容。 5. 答辩: - 在答辩中,研究者需要对整个项目进行总结汇报,并通过回答答辩委员的问题来展示对研究的深入理解,以及对可能的研究问题的解决方案。 6. 项目仿真: - 该部分需要设计并实施城市道路交通模糊控制系统的仿真。通过建模和仿真,可以评估模糊控制技术这个题目聚焦于城市道路交通模糊控制技术的研究与实现。以下是关于每个阶段的内容说明: 1. 开题报告: - 在开题报告中,需要描述研究目标、意义和背景,概括复杂的城市交通系统和当前智能交通系统的发展现状,提出了采用模糊控制技术来优化城市道路交通系统效率的研究问题。 2. 参考资料: - 研究人员应该收集包括模糊控制理论、城市交通规划、交通工程学和机器学习在内的相关文献,以便对研究对象有全面深入的了解。 3. 外文翻译: - 需要进行与研究主题相关的外文文献的翻译,并且对翻译结果进行同行评议。 4. 中期成果: - 中期成果通常包括对城市交通需求和特征的研究、对城市道路交通模糊控制方法的分析、城市道路交通模糊控制仿真平台的设计与开发等内容。 5. 答辩: - 在答辩中,研究者需要对整个项目进行总结汇报,并通过回答答辩委员的问题来展示对研究的深入理解,以及对可能的研究问题的解决方案。 6. 项目仿真: - 该部分需要设计并实施城市道路交通模糊控制系统的仿真。通过建模和仿真,可以评估模糊控制技术0 14浏览¥ 59.90
- 软件/插件大小:11KB防火墙版本: panos 10.2.8测试通过 这个配置文件用于通过 logstash 解析Palo Alto Networks(PAN-OS)防火墙产生的Syslog日志,并将其转换为结构化的数据格式以便于后续处理和分析。 这个配置文件提供了以下功能: 1. 解析Palo Alto Networks(PAN-OS)防火墙产生的Syslog日志。 2. 将解析后的日志转换为结构化的数据格式,以便于后续处理和分析。 3. 根据日志的类型(TRAFFIC、THREAT、CONFIG、SYSTEM和GLOBALPROTECT),应用不同的解析逻辑。 4. 使用csv过滤器解析日志,指定各个字段的名称和类型。 5. 对特定字段进行数据类型转换,如将字符串转换为整数或浮点数。 6. 添加标签以标识不同类型的日志。 7. 输出解析后的日志到elasticsear,根据日志类型写入到不同的索引中,以便于后续查询和分析。 总的来说,这个配置文件提供了一个完整的日志解析和处理流程,使得PAN-OS防火墙产生的Syslog日志可以被轻松地转换为结构化的数据格式,并存储到elk中供进一步分析和可视化防火墙版本: panos 10.2.8测试通过 这个配置文件用于通过 logstash 解析Palo Alto Networks(PAN-OS)防火墙产生的Syslog日志,并将其转换为结构化的数据格式以便于后续处理和分析。 这个配置文件提供了以下功能: 1. 解析Palo Alto Networks(PAN-OS)防火墙产生的Syslog日志。 2. 将解析后的日志转换为结构化的数据格式,以便于后续处理和分析。 3. 根据日志的类型(TRAFFIC、THREAT、CONFIG、SYSTEM和GLOBALPROTECT),应用不同的解析逻辑。 4. 使用csv过滤器解析日志,指定各个字段的名称和类型。 5. 对特定字段进行数据类型转换,如将字符串转换为整数或浮点数。 6. 添加标签以标识不同类型的日志。 7. 输出解析后的日志到elasticsear,根据日志类型写入到不同的索引中,以便于后续查询和分析。 总的来说,这个配置文件提供了一个完整的日志解析和处理流程,使得PAN-OS防火墙产生的Syslog日志可以被轻松地转换为结构化的数据格式,并存储到elk中供进一步分析和可视化0 24浏览¥ 9.90
- 推荐算法大小:1MB博主结合大量论文自行实现的一个基于SVD矩阵分解的推荐算法,易于理解(含有大量注释)。这个项目使用了MovieLens-100K数据集,并将其按照3:1的比例分成了训练集和测试集。在算法的评估中,采用了准确度和召回率两个指标,同时也可以通过这两个指标计算F1分数。此算法不仅能够计算所有用户推荐结果的平均准确度和平均召回率,还能针对特定用户计算其推荐结果的准确度和召回率。博主结合大量论文自行实现的一个基于SVD矩阵分解的推荐算法,易于理解(含有大量注释)。这个项目使用了MovieLens-100K数据集,并将其按照3:1的比例分成了训练集和测试集。在算法的评估中,采用了准确度和召回率两个指标,同时也可以通过这两个指标计算F1分数。此算法不仅能够计算所有用户推荐结果的平均准确度和平均召回率,还能针对特定用户计算其推荐结果的准确度和召回率。5 38浏览¥ 17.90
- 推荐算法大小:1MB博主结合大量论文自行实现的一个基于项目协同过滤的推荐算法(利用余弦相似度来衡量项目间的相似性),易于理解(含有大量注释)。这个项目使用了MovieLens-100K数据集,并将其按照3:1的比例分成了训练集和测试集。在算法的评估中,采用了准确度和召回率两个指标,同时也可以通过这两个指标计算F1分数。此算法不仅能够计算所有用户推荐结果的平均准确度和平均召回率,还能针对特定用户计算其推荐结果的准确度和召回率。博主结合大量论文自行实现的一个基于项目协同过滤的推荐算法(利用余弦相似度来衡量项目间的相似性),易于理解(含有大量注释)。这个项目使用了MovieLens-100K数据集,并将其按照3:1的比例分成了训练集和测试集。在算法的评估中,采用了准确度和召回率两个指标,同时也可以通过这两个指标计算F1分数。此算法不仅能够计算所有用户推荐结果的平均准确度和平均召回率,还能针对特定用户计算其推荐结果的准确度和召回率。0 27浏览¥ 9.90