- 搜索引擎大小:11KB在数字化时代,网站的搜索引擎排名对于吸引流量和增加可见性至关重要。搜索引擎优化(SEO)是一种通过优化网站来提高其在搜索引擎结果页面(SERP)中排名的过程。本文将详细介绍提高网站排名的策略和最佳实践。 在数字化时代,网站的搜索引擎排名对于吸引流量和增加可见性至关重要。搜索引擎优化(SEO)是一种通过优化网站来提高其在搜索引擎结果页面(SERP)中排名的过程。本文将详细介绍提高网站排名的策略和最佳实践。 在数字化时代,网站的搜索引擎排名对于吸引流量和增加可见性至关重要。搜索引擎优化(SEO)是一种通过优化网站来提高其在搜索引擎结果页面(SERP)中排名的过程。本文将详细介绍提高网站排名的策略和最佳实践。 在数字化时代,网站的搜索引擎排名对于吸引流量和增加可见性至关重要。搜索引擎优化(SEO)是一种通过优化网站来提高其在搜索引擎结果页面(SERP)中排名的过程。本文将详细介绍提高网站排名的策略和最佳实践。在数字化时代,网站的搜索引擎排名对于吸引流量和增加可见性至关重要。搜索引擎优化(SEO)是一种通过优化网站来提高其在搜索引擎结果页面(SERP)中排名的过程。本文将详细介绍提高网站排名的策略和最佳实践。 在数字化时代,网站的搜索引擎排名对于吸引流量和增加可见性至关重要。搜索引擎优化(SEO)是一种通过优化网站来提高其在搜索引擎结果页面(SERP)中排名的过程。本文将详细介绍提高网站排名的策略和最佳实践。 在数字化时代,网站的搜索引擎排名对于吸引流量和增加可见性至关重要。搜索引擎优化(SEO)是一种通过优化网站来提高其在搜索引擎结果页面(SERP)中排名的过程。本文将详细介绍提高网站排名的策略和最佳实践。 在数字化时代,网站的搜索引擎排名对于吸引流量和增加可见性至关重要。搜索引擎优化(SEO)是一种通过优化网站来提高其在搜索引擎结果页面(SERP)中排名的过程。本文将详细介绍提高网站排名的策略和最佳实践。0 14浏览免费
- 范文/模板/素材大小:10KB磁力链接是一种基于P2P网络的文件分享技术,它通过一个特殊的URI方案来实现。在磁力链接的结构中,xt参数起着至关重要的作用。本文将详细解析磁力链接中的xt参数代表什么,以及它在文件分享过程中的重要性。 磁力链接是一种基于P2P网络的文件分享技术,它通过一个特殊的URI方案来实现。在磁力链接的结构中,xt参数起着至关重要的作用。本文将详细解析磁力链接中的xt参数代表什么,以及它在文件分享过程中的重要性。 磁力链接是一种基于P2P网络的文件分享技术,它通过一个特殊的URI方案来实现。在磁力链接的结构中,xt参数起着至关重要的作用。本文将详细解析磁力链接中的xt参数代表什么,以及它在文件分享过程中的重要性。 磁力链接是一种基于P2P网络的文件分享技术,它通过一个特殊的URI方案来实现。在磁力链接的结构中,xt参数起着至关重要的作用。本文将详细解析磁力链接中的xt参数代表什么,以及它在文件分享过程中的重要性。磁力链接是一种基于P2P网络的文件分享技术,它通过一个特殊的URI方案来实现。在磁力链接的结构中,xt参数起着至关重要的作用。本文将详细解析磁力链接中的xt参数代表什么,以及它在文件分享过程中的重要性。 磁力链接是一种基于P2P网络的文件分享技术,它通过一个特殊的URI方案来实现。在磁力链接的结构中,xt参数起着至关重要的作用。本文将详细解析磁力链接中的xt参数代表什么,以及它在文件分享过程中的重要性。 磁力链接是一种基于P2P网络的文件分享技术,它通过一个特殊的URI方案来实现。在磁力链接的结构中,xt参数起着至关重要的作用。本文将详细解析磁力链接中的xt参数代表什么,以及它在文件分享过程中的重要性。 磁力链接是一种基于P2P网络的文件分享技术,它通过一个特殊的URI方案来实现。在磁力链接的结构中,xt参数起着至关重要的作用。本文将详细解析磁力链接中的xt参数代表什么,以及它在文件分享过程中的重要性。0 6浏览免费
- 机器学习大小:3KB机器学习-泰坦尼克号数据集(已应用特征工程)机器学习-泰坦尼克号数据集(已应用特征工程)0 41浏览免费
- 数据挖掘大小:104MB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0 296浏览免费
- java大小:404KB源码源码0 72浏览免费
- 课程资源大小:130KB这篇文章是一份关于Fortran语言教程、案例以及相关项目资源的全面介绍,旨在为Fortran编程的初学者和有经验的开发者提供详尽的学习路径和实践机会。 首先,文章强调了Fortran语言教程在掌握Fortran编程基础中的重要性。通过列举优质的教程资源,包括官方文档、在线教程和权威课程,文章帮助读者系统地学习Fortran的基本语法、数据类型、控制结构以及函数、数组、文件操作等高级特性。这些教程内容详细、实用,能够满足不同学习阶段的需求,使读者能够快速上手Fortran编程。 其次,文章深入探讨了通过案例学习深入理解Fortran应用的方法。文章列举了一系列真实的Fortran案例,涉及科学计算、数据分析、数值模拟等多个领域。这些案例不仅展示了Fortran在实际项目中的强大功能,还提供了详细的实现过程和经验分享。通过学习和实践这些案例,读者能够更好地理解Fortran编程的精髓,并提升解决实际问题的能力。 此外,文章还介绍了与Fortran相关的项目资源,包括科研项目、工业应用项目和开源项目等。这些项目为学习者提供了实战演练的机会,使他们能够在真实环境中应用所学的Fortra这篇文章是一份关于Fortran语言教程、案例以及相关项目资源的全面介绍,旨在为Fortran编程的初学者和有经验的开发者提供详尽的学习路径和实践机会。 首先,文章强调了Fortran语言教程在掌握Fortran编程基础中的重要性。通过列举优质的教程资源,包括官方文档、在线教程和权威课程,文章帮助读者系统地学习Fortran的基本语法、数据类型、控制结构以及函数、数组、文件操作等高级特性。这些教程内容详细、实用,能够满足不同学习阶段的需求,使读者能够快速上手Fortran编程。 其次,文章深入探讨了通过案例学习深入理解Fortran应用的方法。文章列举了一系列真实的Fortran案例,涉及科学计算、数据分析、数值模拟等多个领域。这些案例不仅展示了Fortran在实际项目中的强大功能,还提供了详细的实现过程和经验分享。通过学习和实践这些案例,读者能够更好地理解Fortran编程的精髓,并提升解决实际问题的能力。 此外,文章还介绍了与Fortran相关的项目资源,包括科研项目、工业应用项目和开源项目等。这些项目为学习者提供了实战演练的机会,使他们能够在真实环境中应用所学的Fortra0 27浏览免费
- LNU课程设计一大小:103KB包括代码和数据,myblog和novels文件夹,可以直接上交,高分通过包括代码和数据,myblog和novels文件夹,可以直接上交,高分通过0 241浏览免费
- 软件/插件大小:2MB考虑个人碳交易机制在电动公交车优化调度中的应用,提出一种基于动态碳价格的碳配额激励机制,电动公交车用户可出售碳配额获取一定的收益。首先,计及路况对电动公交车运行时间产生的影响,根据工作日与休息日交通指数对电动公交车进站时间进行修正,构建电动公交车工作日与休息日充电负荷模型;然后,将基于动态碳价格的碳配额激励机制运用于电动公交车与新能源协同调度策略,构建综合考虑用户与电网利益的多目标函数,并运用鲸鱼算法对目标函数进行求解;最后,从经济指标与性能指标对固定碳价格、动态碳价格两种激励机制进行对比分析,通过算例验证了基于动态碳价格的碳配额激励机制的电动公交车与新能源协同调度策略的优越性。考虑个人碳交易机制在电动公交车优化调度中的应用,提出一种基于动态碳价格的碳配额激励机制,电动公交车用户可出售碳配额获取一定的收益。首先,计及路况对电动公交车运行时间产生的影响,根据工作日与休息日交通指数对电动公交车进站时间进行修正,构建电动公交车工作日与休息日充电负荷模型;然后,将基于动态碳价格的碳配额激励机制运用于电动公交车与新能源协同调度策略,构建综合考虑用户与电网利益的多目标函数,并运用鲸鱼算法对目标函数进行求解;最后,从经济指标与性能指标对固定碳价格、动态碳价格两种激励机制进行对比分析,通过算例验证了基于动态碳价格的碳配额激励机制的电动公交车与新能源协同调度策略的优越性。0 21浏览免费
- 数据集大小:162MB内含常用时间序列预测数据集如:ETT(电力变压器温度)、Traffic(交通数据集)、Electricity(电力消耗数据集)、Exchage_rate(汇率数据集)、Weather(天气数据集)、PEMS、Solar等数据集内含常用时间序列预测数据集如:ETT(电力变压器温度)、Traffic(交通数据集)、Electricity(电力消耗数据集)、Exchage_rate(汇率数据集)、Weather(天气数据集)、PEMS、Solar等数据集0 295浏览免费
- 神经网络大小:2MB该程序基于小波神经网络进行时间序列预测。使用小波神经网络(Wavelet Neural Network)建立了一个预测模型。通过对输入和输出数据的归一化处理,并采用反向传播算法进行网络训练,最终得到了预测的结果。模型可应用于任意时间序列预测,如风光负荷,交通流量,天气等。采用matlab编写,注释清晰! 小波是一种长度有限、直流分量为零,具有紧支集或近似紧支集的波形。小波神经网络(WNN)以神经网络拓扑为基础,将小波基函数作为隐含层节点传递函数,同时将信息沿误差方向和输出方向传递。 基于小波神经网络的时间序列预测模型是一种结合小波分析和神经网络的方法来进行时间序列预测的模型。下面是这个模型的基本原理和步骤: 小波分析:首先,将时间序列数据进行小波变换,将数据在时频域上进行分解和重构。小波变换能够将时间序列数据从时间域转换到时频域,可以提取出数据的局部特征和频率信息。 特征提取:从小波分解得到的时频域系数中,选择合适的系数作为输入特征。可以根据问题的具体要求和特征选择方法来确定特征子集。 神经网络模型:利用选择的特征作为输入,在神经网络中进行训练和预测。常用的神经网络模型包括前馈神经网该程序基于小波神经网络进行时间序列预测。使用小波神经网络(Wavelet Neural Network)建立了一个预测模型。通过对输入和输出数据的归一化处理,并采用反向传播算法进行网络训练,最终得到了预测的结果。模型可应用于任意时间序列预测,如风光负荷,交通流量,天气等。采用matlab编写,注释清晰! 小波是一种长度有限、直流分量为零,具有紧支集或近似紧支集的波形。小波神经网络(WNN)以神经网络拓扑为基础,将小波基函数作为隐含层节点传递函数,同时将信息沿误差方向和输出方向传递。 基于小波神经网络的时间序列预测模型是一种结合小波分析和神经网络的方法来进行时间序列预测的模型。下面是这个模型的基本原理和步骤: 小波分析:首先,将时间序列数据进行小波变换,将数据在时频域上进行分解和重构。小波变换能够将时间序列数据从时间域转换到时频域,可以提取出数据的局部特征和频率信息。 特征提取:从小波分解得到的时频域系数中,选择合适的系数作为输入特征。可以根据问题的具体要求和特征选择方法来确定特征子集。 神经网络模型:利用选择的特征作为输入,在神经网络中进行训练和预测。常用的神经网络模型包括前馈神经网0 168浏览免费
- regress大小:829Bregress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。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。0 1140浏览免费
- 软件/插件大小:2KBFragstats 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。0 349浏览免费
- python大小:242KB路径表达式xpath扩展工具路径表达式xpath扩展工具0 17浏览免费
- python大小:16KBPython爬取豆瓣电影评分Top250(内附源码地址与效果图),通过可视化分析得到豆瓣评分Top250平均评分最高的电影类别),通过Python使用BeautifulSoup库爬取豆瓣电影网址,url地址:豆瓣电影 Top 250 (douban.com) 。首先对目标网站的数据进行爬取,随后将爬取到数进行数据的预处理,接着完成数据的展示以及可视化分析。对于爬取到的数据,我们需要进行数据清洗和数据处理,将数据处理完毕,剩下的就是可视化分析了。由于我们这里用到的是echarts对数据进行可视化分析,所以会用到html页面以及js的相关知识在编写代码之前,导入flask的相关库,大家就可以运行代码打开控制台下方的网址进行数据展示。Python爬取豆瓣电影评分Top250(内附源码地址与效果图),通过可视化分析得到豆瓣评分Top250平均评分最高的电影类别),通过Python使用BeautifulSoup库爬取豆瓣电影网址,url地址:豆瓣电影 Top 250 (douban.com) 。首先对目标网站的数据进行爬取,随后将爬取到数进行数据的预处理,接着完成数据的展示以及可视化分析。对于爬取到的数据,我们需要进行数据清洗和数据处理,将数据处理完毕,剩下的就是可视化分析了。由于我们这里用到的是echarts对数据进行可视化分析,所以会用到html页面以及js的相关知识在编写代码之前,导入flask的相关库,大家就可以运行代码打开控制台下方的网址进行数据展示。0 672浏览免费
- RAR大小:1MBC#开发C#开发0 49浏览免费
- nmea大小:14KB通过FME把nmea格式转入gdb中,更改写模块也可以转成shp等其他格式通过FME把nmea格式转入gdb中,更改写模块也可以转成shp等其他格式0 36浏览免费
- 数据挖掘大小:3MB书中所有案例的电子资源,供大家学习使用。书中所有案例的电子资源,供大家学习使用。0 64浏览免费
- 数据挖掘大小:18MB数据挖掘是当前数据分析领域中最活跃、最前沿的地带。本书以数据挖掘的实践过程为主线,通过生动的应用案例,从数据挖掘实施角度,系统介绍了经典的数据挖掘方法和利用SPSS Modeler实现数据挖掘的全部过程,讲解方法从易到难,说明问题从浅至深。本书力求以最通俗的方式阐述数据挖掘方法的核心思想与基本原理,同时配合SPSS Modeler软件操作的说明,希望读者能够直观了解方法本质,尽快掌握SPSS Modeler软件使用,并应用到数据挖掘实践中。数据挖掘是当前数据分析领域中最活跃、最前沿的地带。本书以数据挖掘的实践过程为主线,通过生动的应用案例,从数据挖掘实施角度,系统介绍了经典的数据挖掘方法和利用SPSS Modeler实现数据挖掘的全部过程,讲解方法从易到难,说明问题从浅至深。本书力求以最通俗的方式阐述数据挖掘方法的核心思想与基本原理,同时配合SPSS Modeler软件操作的说明,希望读者能够直观了解方法本质,尽快掌握SPSS Modeler软件使用,并应用到数据挖掘实践中。0 110浏览免费
- 数据集大小:620KB案例数据集《机器学习-特征工程-数据离散化-会员数据2》案例数据集《机器学习-特征工程-数据离散化-会员数据2》0 53浏览免费
- RAR大小:201MB实训终稿1差不多可以了实训终稿1差不多可以了0 16浏览免费
- 数据集大小:14KB案例数据集《多元统计分析-聚类分析-层次聚类》案例数据集《多元统计分析-聚类分析-层次聚类》0 303浏览免费
- 数据分析大小:7MB解释作者研究思路的ppt解释作者研究思路的ppt0 20浏览免费
- Python大小:668KB留存自用留存自用0 15浏览免费
- matlab大小:12KB模糊聚类是目前知识发现以及模式识别等诸多领域中的重要研究分支之一。随着研究范围的拓展,不管是科学研究还是实际应用,都对聚类的结果从多方面提出了更高的要求。模糊C-均值聚类(FCM)是目前比较流行的一种聚类方法。该方法使用了在欧几里得空间确定数据点的几何贴近度的概念,它将这些数据分配到不同的聚类,然后确定这些聚类之间的距离。模糊C-均值聚类算法在理论和应用上都为其他的模糊聚类分析方法奠定了基础,应用也最广泛。但是,从本质上FCM算法是一种局部搜索优化算法,如果初始值选择不当,它就会收敛到局部极小点上。因此,FCM算法的这一缺点限制了人们对它的使用。 将模拟退火算法与遗传算法相结合(SAGA)用于聚类分析,由于模拟退火算法和遗传算法可以互相取长补短,因此有效地克服了传统遗传算法的早熟现象,同时根据聚类问题的具体情况设计遗传编码方式及适应度函数,使该算法更有效、更快速地收敛到全局最优解。模糊聚类是目前知识发现以及模式识别等诸多领域中的重要研究分支之一。随着研究范围的拓展,不管是科学研究还是实际应用,都对聚类的结果从多方面提出了更高的要求。模糊C-均值聚类(FCM)是目前比较流行的一种聚类方法。该方法使用了在欧几里得空间确定数据点的几何贴近度的概念,它将这些数据分配到不同的聚类,然后确定这些聚类之间的距离。模糊C-均值聚类算法在理论和应用上都为其他的模糊聚类分析方法奠定了基础,应用也最广泛。但是,从本质上FCM算法是一种局部搜索优化算法,如果初始值选择不当,它就会收敛到局部极小点上。因此,FCM算法的这一缺点限制了人们对它的使用。 将模拟退火算法与遗传算法相结合(SAGA)用于聚类分析,由于模拟退火算法和遗传算法可以互相取长补短,因此有效地克服了传统遗传算法的早熟现象,同时根据聚类问题的具体情况设计遗传编码方式及适应度函数,使该算法更有效、更快速地收敛到全局最优解。0 283浏览免费
- matlab大小:114KB参考文献: [1]Practical operation strategies for pumped hydroelectric energy storage (PHES) utilising electricity price arbitrage - ScienceDirect [2]Towards an objective method to compare energy storage technologies: development and validation of a model to determine the upper boundary of revenue available from electrical price arbitrage 这份代码做的是储能的运行优化,以经济效益最大为目标。使用了三种不同的方法求解储能最优运行策略。 1 运行策略搜索 2.蒙特卡洛模拟法 3.fmincon函数优化方法参考文献: [1]Practical operation strategies for pumped hydroelectric energy storage (PHES) utilising electricity price arbitrage - ScienceDirect [2]Towards an objective method to compare energy storage technologies: development and validation of a model to determine the upper boundary of revenue available from electrical price arbitrage 这份代码做的是储能的运行优化,以经济效益最大为目标。使用了三种不同的方法求解储能最优运行策略。 1 运行策略搜索 2.蒙特卡洛模拟法 3.fmincon函数优化方法0 585浏览免费
- 网络协议大小:11KB可以通过labview中的TCP通讯从以太网中接收数据可以通过labview中的TCP通讯从以太网中接收数据0 226浏览免费
- 软件/插件大小:189MB广工文本信息挖掘实验代码广工文本信息挖掘实验代码0 38浏览免费
- python大小:3MBPython抓包及反爬解决方案主要学习爬虫的反爬及应对方法。 1. 了解 服务器反爬的原因 2. 了解 服务器常反什么样的爬虫 3. 了解 反爬虫领域常见的一些概念 4. 了解 反爬的三个方向 5. 了解 常见基于身份识别进行反爬 6. 了解 常见基于爬虫行为进行反爬 7. 了解 常见基于数据加密进行反爬 1. 了解 验证码的相关知识 2. 掌握 图片识别引擎的使用 3. 了解 常见的打码平台 4. 掌握 通过打码平台处理验证码的方法 1. 了解 新建隐身窗口的目的 2. 了解 chrome中network的使用 3. 了解 寻找登录接口的方法 1. 通过在chrome中观察元素的绑定事件可以确定js 2. 通过在chrome中search all file 搜索关键字可以确定js的位置 3. 观察js的数据生成过程可以使用添加断点的方式观察 4. js2py的使用 - 需要准备js的内容 - 生成js的执行环境 - 在执行环境中执行js的字符串,传入数据,获取结果Python抓包及反爬解决方案主要学习爬虫的反爬及应对方法。 1. 了解 服务器反爬的原因 2. 了解 服务器常反什么样的爬虫 3. 了解 反爬虫领域常见的一些概念 4. 了解 反爬的三个方向 5. 了解 常见基于身份识别进行反爬 6. 了解 常见基于爬虫行为进行反爬 7. 了解 常见基于数据加密进行反爬 1. 了解 验证码的相关知识 2. 掌握 图片识别引擎的使用 3. 了解 常见的打码平台 4. 掌握 通过打码平台处理验证码的方法 1. 了解 新建隐身窗口的目的 2. 了解 chrome中network的使用 3. 了解 寻找登录接口的方法 1. 通过在chrome中观察元素的绑定事件可以确定js 2. 通过在chrome中search all file 搜索关键字可以确定js的位置 3. 观察js的数据生成过程可以使用添加断点的方式观察 4. js2py的使用 - 需要准备js的内容 - 生成js的执行环境 - 在执行环境中执行js的字符串,传入数据,获取结果0 257浏览免费
- 数据分析大小:1MB通过python爬虫爬取空气净化器的数据,接着用jieba进行分词,删除停用词,再进行情感分析,得出了不同品牌的空气净化器的好评数与消极评论数量,在通过TDF/IDF进行词频统计,得到消极词汇中出现次数较高的词语,可以用于给不同品牌空气净化器做提升意见,同时也可以得到积极词汇,作为不同品牌空气净化器的卖点。最后,收集不同品牌空气净化器的各种指标,通过皮尔逊相关性分析,可以得到那些指标的相关性较大,通过绘制热力图更加可以明显看出。通过python爬虫爬取空气净化器的数据,接着用jieba进行分词,删除停用词,再进行情感分析,得出了不同品牌的空气净化器的好评数与消极评论数量,在通过TDF/IDF进行词频统计,得到消极词汇中出现次数较高的词语,可以用于给不同品牌空气净化器做提升意见,同时也可以得到积极词汇,作为不同品牌空气净化器的卖点。最后,收集不同品牌空气净化器的各种指标,通过皮尔逊相关性分析,可以得到那些指标的相关性较大,通过绘制热力图更加可以明显看出。0 259浏览免费
- 文献资料大小:348MB学习目标: 最近在学习光子晶体面发射激光器(PCSELs)的相关研究,Susumu Noda课题组是该领域的先驱者,分享下目前个人收录的大佬发表的大部分学术论文 注意事项: 知识分享仅用作学术交流,禁止商业用途学习目标: 最近在学习光子晶体面发射激光器(PCSELs)的相关研究,Susumu Noda课题组是该领域的先驱者,分享下目前个人收录的大佬发表的大部分学术论文 注意事项: 知识分享仅用作学术交流,禁止商业用途5 65浏览免费
- 数据集大小:70MB推荐模型推荐算法天池大数据阿里云智联人岗匹配数据集、测试集、说明字符推荐模型推荐算法天池大数据阿里云智联人岗匹配数据集、测试集、说明字符0 603浏览免费
- 软件/插件大小:10KBdbscan算法(附带多个应用场景简单实现代码).rar DBSCAN是一种基于密度的聚类算法,它可以自动找出数据中的聚类,并且可以识别出噪声点。本文将从理论到实际应用,讲解DBSCAN算法,并结合Python实现代码进行演示。最后,我们将选择一个应用场景,编写一套完整的代码,对其进行聚类。 理论 算法流程 DBSCAN算法的核心思想是通过样本点的密度来判断是否为核心点、边界点或噪声点。 算法流程如下: 选择一个未被访问过的数据点,并将其标记为已访问。 判断该点是否为核心点。若该点的密度达到了阈值,即在以该点为圆心、以eps为半径的圆内,包含的样本数大于等于MinPts,则该点为核心点。 如果该点是核心点,将以该点为中心,以eps为半径的圆内的所有样本点标记为属于同一簇。 如果该点不是核心点,则找出以该点为边界点的所有簇。 对于每一个边界点,如果其密度也达到了阈值,则将以该点为中心,以eps为半径的圆内的所有样本点标记为属于同一簇。 重复以上步骤,直到所有数据点都被访问过。 算法参数 DBSCAN算法有两个重要的参数,分别是eps和MinPts: eps:半径参数,用于确定一dbscan算法(附带多个应用场景简单实现代码).rar DBSCAN是一种基于密度的聚类算法,它可以自动找出数据中的聚类,并且可以识别出噪声点。本文将从理论到实际应用,讲解DBSCAN算法,并结合Python实现代码进行演示。最后,我们将选择一个应用场景,编写一套完整的代码,对其进行聚类。 理论 算法流程 DBSCAN算法的核心思想是通过样本点的密度来判断是否为核心点、边界点或噪声点。 算法流程如下: 选择一个未被访问过的数据点,并将其标记为已访问。 判断该点是否为核心点。若该点的密度达到了阈值,即在以该点为圆心、以eps为半径的圆内,包含的样本数大于等于MinPts,则该点为核心点。 如果该点是核心点,将以该点为中心,以eps为半径的圆内的所有样本点标记为属于同一簇。 如果该点不是核心点,则找出以该点为边界点的所有簇。 对于每一个边界点,如果其密度也达到了阈值,则将以该点为中心,以eps为半径的圆内的所有样本点标记为属于同一簇。 重复以上步骤,直到所有数据点都被访问过。 算法参数 DBSCAN算法有两个重要的参数,分别是eps和MinPts: eps:半径参数,用于确定一0 84浏览免费
- 数据集大小:521KB消费者行为分析-精准营销项目数据集消费者行为分析-精准营销项目数据集0 160浏览免费
- 《统计学习方法》大小:55MB李航老师《统计学习方法》第2版课件全套.rar李航老师《统计学习方法》第2版课件全套.rar0 206浏览免费
- ORACLE大小:115MB[成功之路:ORACLE11g学习笔记].赵振平.高清文字版.rar[成功之路:ORACLE11g学习笔记].赵振平.高清文字版.rar0 45浏览免费
- poi大小:198KB天津市体育休闲POI数据带地理坐标信息可直接导入ArcMap中进行地理坐标的显示。天津市体育休闲POI数据带地理坐标信息可直接导入ArcMap中进行地理坐标的显示。0 51浏览免费
- poi大小:155KB天津市科教POI数据带地理坐标信息可直接导入ArcMap中进行地理坐标的显示。天津市科教POI数据带地理坐标信息可直接导入ArcMap中进行地理坐标的显示。0 55浏览免费
- poi大小:364KB天津市公交地铁站点POI数据,Excel坐标,公交站点名称,去程返程,带经纬度坐标,可转矢量。天津市公交地铁站点POI数据,Excel坐标,公交站点名称,去程返程,带经纬度坐标,可转矢量。0 64浏览免费
- matlab大小:87KB无约束优化问题 线性规划问题 非线性规划问题 [x,y]=meshgrid(-2:0.1:2,-1:0.1:3); z=100*(y-x.^2).^2+(1-x).^2; figure(1); mesh(x,y,z) figure(2); contour(x,y,z,20) drawnow hold on plot(-1.2,2,'o'); text(-1.2,2,'start point') plot(1,1,'o') text(1,1,'solution')<i无约束优化问题 线性规划问题 非线性规划问题 [x,y]=meshgrid(-2:0.1:2,-1:0.1:3); z=100*(y-x.^2).^2+(1-x).^2; figure(1); mesh(x,y,z) figure(2); contour(x,y,z,20) drawnow hold on plot(-1.2,2,'o'); text(-1.2,2,'start point') plot(1,1,'o') text(1,1,'solution')<i0 85浏览免费
- python大小:39KB全国地铁数据爬取的代码,重点:爬取的数据在我另外一个资源中(免费免费) 使用人群:学生,数据分析以及统计人员,相关分析行业人员 内容摘要: 使用python爬取的内容 数据爬取于高德地图,适用于各个场景的人群,可以用于数据分析 如果有问题,可以私信博主。全国地铁数据爬取的代码,重点:爬取的数据在我另外一个资源中(免费免费) 使用人群:学生,数据分析以及统计人员,相关分析行业人员 内容摘要: 使用python爬取的内容 数据爬取于高德地图,适用于各个场景的人群,可以用于数据分析 如果有问题,可以私信博主。0 361浏览免费
- gis大小:2MBArcGIS无法实现因变量为分类变量的地理加权Logistic回归,本软件可免于学习编程语言,与ArcGIS联合使用出图ArcGIS无法实现因变量为分类变量的地理加权Logistic回归,本软件可免于学习编程语言,与ArcGIS联合使用出图0 584浏览免费
- wordcloud大小:1MBPython爬虫获取携程成都旅游攻略网站 获取景点评论 pyecharts程度地图画点 画各地游客航线 统计 成都民宿航班图柱状图箭头图雷达图 html jieba分词 wordcloud词云图 情感分析 selenium浏览器多页爬虫+数据分析+统计图 游客信息行程信息挖掘 jupyter notebook numpy pandas 数据分析 数据挖掘Python爬虫获取携程成都旅游攻略网站 获取景点评论 pyecharts程度地图画点 画各地游客航线 统计 成都民宿航班图柱状图箭头图雷达图 html jieba分词 wordcloud词云图 情感分析 selenium浏览器多页爬虫+数据分析+统计图 游客信息行程信息挖掘 jupyter notebook numpy pandas 数据分析 数据挖掘4 732浏览免费
- NLP大小:2MBPython 豆瓣书评 bs4多页爬虫 jieba中文分词 tf-idf向量化 kmeans聚类+统计词频 +停用词 douban图书评价 浏览器多页爬虫 jupyter notebook numpy pandas sklearn 数据分析 数据挖掘Python 豆瓣书评 bs4多页爬虫 jieba中文分词 tf-idf向量化 kmeans聚类+统计词频 +停用词 douban图书评价 浏览器多页爬虫 jupyter notebook numpy pandas sklearn 数据分析 数据挖掘0 244浏览免费
- python大小:4MB该课题要求爬取目标网站:https://www.51job.com中,输入关键字后工作岗位的基本信息如岗位名字、岗位薪资、base地、福利、岗位要求、岗位需求公司、发布日期、公司所属行业、公司性质、招聘岗位简介、公司简介等,爬取过程中需要注意网页反爬机制。 (1)编写代码,模仿浏览器人为操作,通过关键字爬取人才网的职位信息; (2)将爬取到的网页信息进行信息预处理、清洗等。 (3)将处理完的数据存储在Mysql数据库中,数据库名为job,或者数据存储在名为job的Excel表格或名为job的记事本文件中。 (4)用数据可视化处理数据,生成岗位在地图上面的热力图、热门地区岗位薪资待遇柱状图、热门地区岗位招聘个数折线图以及以招聘地区出现次数的云图,从而反馈出岗位的热门地区以及薪资待遇。 (5)设计对抓取数据的备份还原机制,确保数据安全。该课题要求爬取目标网站:https://www.51job.com中,输入关键字后工作岗位的基本信息如岗位名字、岗位薪资、base地、福利、岗位要求、岗位需求公司、发布日期、公司所属行业、公司性质、招聘岗位简介、公司简介等,爬取过程中需要注意网页反爬机制。 (1)编写代码,模仿浏览器人为操作,通过关键字爬取人才网的职位信息; (2)将爬取到的网页信息进行信息预处理、清洗等。 (3)将处理完的数据存储在Mysql数据库中,数据库名为job,或者数据存储在名为job的Excel表格或名为job的记事本文件中。 (4)用数据可视化处理数据,生成岗位在地图上面的热力图、热门地区岗位薪资待遇柱状图、热门地区岗位招聘个数折线图以及以招聘地区出现次数的云图,从而反馈出岗位的热门地区以及薪资待遇。 (5)设计对抓取数据的备份还原机制,确保数据安全。0 575浏览免费
- 数据分析大小:12MB2022年全国大学生数据分析大赛 题目 A:医药电商销售数据分析 随着国家政策的逐步开放,越来越多的药品可以在网络上购买,医药电商平台蒸蒸日上,受新冠疫情的影响,线下药店购买困难,更让医药电商进入了更多消费者的视野,各大药企也纷纷加大力度布局医药电商领域。但电商模式与线下零售有所不同,如何更好的经营医药电商成为药企急需解决的问题。本题采集了天猫维生素类的药品,请针对维生素药品进行数据的清洗、分析与挖掘,并回答下列问题。 1.对店铺进行分析,一共包含多少家店铺,各店铺的销售额占 比如何?给出销售额占比最高的店铺,并分析该店铺的销售情况。 2. 对所有药品进行分析,一共包含多少个药品,各药品的销售 额占比如何?给出销售额占比最高的 10 个药品,并绘制这 10 个药品 每月销售额曲线图。 3.对所有药品品牌进行分析,一共包含多少个品牌,各品牌的 销售额占比如何?给出销售额占比最高的 10 个品牌,并分析这 10 个 品牌销售较好的原因? 4. 预测天猫维生素类药品未来三个月的销售总额并绘制拟合曲 线,评估模型性能和误差。 5. 一家药企计划将新的维生素品牌进行网络销售,聘请你当企 业2022年全国大学生数据分析大赛 题目 A:医药电商销售数据分析 随着国家政策的逐步开放,越来越多的药品可以在网络上购买,医药电商平台蒸蒸日上,受新冠疫情的影响,线下药店购买困难,更让医药电商进入了更多消费者的视野,各大药企也纷纷加大力度布局医药电商领域。但电商模式与线下零售有所不同,如何更好的经营医药电商成为药企急需解决的问题。本题采集了天猫维生素类的药品,请针对维生素药品进行数据的清洗、分析与挖掘,并回答下列问题。 1.对店铺进行分析,一共包含多少家店铺,各店铺的销售额占 比如何?给出销售额占比最高的店铺,并分析该店铺的销售情况。 2. 对所有药品进行分析,一共包含多少个药品,各药品的销售 额占比如何?给出销售额占比最高的 10 个药品,并绘制这 10 个药品 每月销售额曲线图。 3.对所有药品品牌进行分析,一共包含多少个品牌,各品牌的 销售额占比如何?给出销售额占比最高的 10 个品牌,并分析这 10 个 品牌销售较好的原因? 4. 预测天猫维生素类药品未来三个月的销售总额并绘制拟合曲 线,评估模型性能和误差。 5. 一家药企计划将新的维生素品牌进行网络销售,聘请你当企 业0 821浏览免费
- 数学建模大小:101MB小美赛历年赛题及优秀论文小美赛历年赛题及优秀论文0 174浏览免费
- cmp大小:138MBCMP VM相关的数据集,随缘下载CMP VM相关的数据集,随缘下载0 29浏览免费
- matlab大小:1MB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/1 3381浏览免费
- RAR大小:39MB最新分级精确到乡道矢量数据共16种道路数据类型丰富,既有重复也有相互补充,不失是一份可以考究的资料。 共16种道路矢量数据,下边进行简单介绍,括号内是道路矢量文件名称。 各级矢量道路(城市一级道路【线】、城市二级道路【线】、城市三级道路【线】、城市四级道路【线】) 行政等级道路(高速【线】、国道【线】、省道【线】、县道【线】、乡道【线】) osm来源道路(railways【铁路、轻轨、窄轨、地跌、有轨电车等】、roads【主干道、次干道、支道、高速、人行道、住宅街道、自行车道等】最新分级精确到乡道矢量数据共16种道路数据类型丰富,既有重复也有相互补充,不失是一份可以考究的资料。 共16种道路矢量数据,下边进行简单介绍,括号内是道路矢量文件名称。 各级矢量道路(城市一级道路【线】、城市二级道路【线】、城市三级道路【线】、城市四级道路【线】) 行政等级道路(高速【线】、国道【线】、省道【线】、县道【线】、乡道【线】) osm来源道路(railways【铁路、轻轨、窄轨、地跌、有轨电车等】、roads【主干道、次干道、支道、高速、人行道、住宅街道、自行车道等】0 83浏览免费
- RAR大小:137MB该数据时间序列为2014年-2022年,该数据从2014年至2022年数据的丰富程度再不断优化。折线数量从4万条左右到20多万条,文件大小也从100兆左右到2G多。这里的道路要素总共分为两个图层文件,一个是各级道路另外是铁路,另外道路数据进行了严格的分级,从高速公路国道到省道市道及乡道县道,并且包含人行道自行车到,非常详细,欢迎下载研究。2014年至2022年各级道路矢量数据该数据时间序列为2014年-2022年,该数据从2014年至2022年数据的丰富程度再不断优化。折线数量从4万条左右到20多万条,文件大小也从100兆左右到2G多。这里的道路要素总共分为两个图层文件,一个是各级道路另外是铁路,另外道路数据进行了严格的分级,从高速公路国道到省道市道及乡道县道,并且包含人行道自行车到,非常详细,欢迎下载研究。2014年至2022年各级道路矢量数据0 154浏览免费
- RAR大小:54MB该数据时间序列为2014年-2022年,该数据从2014年至2022年数据的丰富程度再不断优化。折线数量从4万条左右到20多万条,文件大小也从100兆左右到2G多。这里的道路要素总共分为两个图层文件,一个是各级道路另外是铁路,另外道路数据进行了严格的分级,从高速公路国道到省道市道及乡道县道,并且包含人行道自行车到,非常详细,欢迎下载研究。2014年至2022年各级道路矢量数据该数据时间序列为2014年-2022年,该数据从2014年至2022年数据的丰富程度再不断优化。折线数量从4万条左右到20多万条,文件大小也从100兆左右到2G多。这里的道路要素总共分为两个图层文件,一个是各级道路另外是铁路,另外道路数据进行了严格的分级,从高速公路国道到省道市道及乡道县道,并且包含人行道自行车到,非常详细,欢迎下载研究。2014年至2022年各级道路矢量数据0 100浏览免费
- RAR大小:50MB2014年至2022年各级道路矢量数据该数据时间序列为2014年-2022年,该数据从2014年至2022年数据的丰富程度再不断优化。折线数量从4万条左右到20多万条,文件大小也从100兆左右到2G多。这里的道路要素总共分为两个图层文件,一个是各级道路另外是铁路,另外道路数据进行了严格的分级,从高速公路国道到省道市道及乡道县道,并且包含人行道自行车到,非常详细,欢迎下载研究。2014年至2022年各级道路矢量数据该数据时间序列为2014年-2022年,该数据从2014年至2022年数据的丰富程度再不断优化。折线数量从4万条左右到20多万条,文件大小也从100兆左右到2G多。这里的道路要素总共分为两个图层文件,一个是各级道路另外是铁路,另外道路数据进行了严格的分级,从高速公路国道到省道市道及乡道县道,并且包含人行道自行车到,非常详细,欢迎下载研究。0 117浏览免费
- RAR大小:4MB该数据时间序列为2014年-2022年,该数据从2014年至2022年数据的丰富程度再不断优化。折线数量从4万条左右到20多万条,文件大小也从100兆左右到2G多。这里的道路要素总共分为两个图层文件,一个是各级道路另外是铁路,另外道路数据进行了严格的分级,从高速公路国道到省道市道及乡道县道,并且包含人行道自行车到,非常详细,欢迎下载研究。该数据时间序列为2014年-2022年,该数据从2014年至2022年数据的丰富程度再不断优化。折线数量从4万条左右到20多万条,文件大小也从100兆左右到2G多。这里的道路要素总共分为两个图层文件,一个是各级道路另外是铁路,另外道路数据进行了严格的分级,从高速公路国道到省道市道及乡道县道,并且包含人行道自行车到,非常详细,欢迎下载研究。0 40浏览免费
- RAR大小:68MB2014-2022年矢量数据POI兴趣点POI通常称作兴趣点,泛指互联网电子地图中的点类数据,基本包含名称、地址、坐标、类别四个属性;源于基础测绘成果DLG(Digital Line Graphic,数字线划地图)产品中点类地图要素矢量数据集,OSM数据内容较为详细的系列数据,其矢量要素格式主要包括点要素、面要素及线要素。时间跨度为从2014年至2022年,时间序列较为详细,其数据内容也随着时间逐渐丰富,其中SHP数据包所占内存从2014年的200M到2022年的2G左右。2014-2022年矢量数据POI兴趣点POI通常称作兴趣点,泛指互联网电子地图中的点类数据,基本包含名称、地址、坐标、类别四个属性;源于基础测绘成果DLG(Digital Line Graphic,数字线划地图)产品中点类地图要素矢量数据集,OSM数据内容较为详细的系列数据,其矢量要素格式主要包括点要素、面要素及线要素。时间跨度为从2014年至2022年,时间序列较为详细,其数据内容也随着时间逐渐丰富,其中SHP数据包所占内存从2014年的200M到2022年的2G左右。5 195浏览免费
- RAR大小:18MB共14种水系矢量数据,下边进行简单介绍,括号内是水系矢量文件名称。 各级矢量水系(river1【线】、river1【面】、river3以上【线】、river3以上【面】、四级水系【线】、river5【线】);简单明了的水系(河湖【线】、河湖【面】);复杂详细的水系(面状水系【线】、线状水系【面】、osm_水系矢量面【面】、osm_水系中心线【线】、water【线】、water_a【面】) 各级水系解释:水系级别是指划分水系支流规模大小和相互关系的等级,一般分为五级。 简单明了的水系:该矢量分为面状和现状,与各级水系相比相对复杂,复杂程度处于各级水系和复杂水系之间。 复杂详细水系:该数据源于osm,其中水系中心线是通过arcgis工具提取而成,但是在细小的河流上反应不明显,数据来源于网友提供,中心线数据在做图以及水模方面有一定的作用。共14种水系矢量数据,下边进行简单介绍,括号内是水系矢量文件名称。 各级矢量水系(river1【线】、river1【面】、river3以上【线】、river3以上【面】、四级水系【线】、river5【线】);简单明了的水系(河湖【线】、河湖【面】);复杂详细的水系(面状水系【线】、线状水系【面】、osm_水系矢量面【面】、osm_水系中心线【线】、water【线】、water_a【面】) 各级水系解释:水系级别是指划分水系支流规模大小和相互关系的等级,一般分为五级。 简单明了的水系:该矢量分为面状和现状,与各级水系相比相对复杂,复杂程度处于各级水系和复杂水系之间。 复杂详细水系:该数据源于osm,其中水系中心线是通过arcgis工具提取而成,但是在细小的河流上反应不明显,数据来源于网友提供,中心线数据在做图以及水模方面有一定的作用。0 240浏览免费
- RAR大小:10MB共14种水系矢量数据,下边进行简单介绍,括号内是水系矢量文件名称。 各级矢量水系(river1【线】、river1【面】、river3以上【线】、river3以上【面】、四级水系【线】、river5【线】);简单明了的水系(河湖【线】、河湖【面】);复杂详细的水系(面状水系【线】、线状水系【面】、osm_水系矢量面【面】、osm_水系中心线【线】、water【线】、water_a【面】) 各级水系解释:水系级别是指划分水系支流规模大小和相互关系的等级,一般分为五级。 简单明了的水系:该矢量分为面状和现状,与各级水系相比相对复杂,复杂程度处于各级水系和复杂水系之间。 复杂详细水系:该数据源于osm,其中水系中心线是通过arcgis工具提取而成,但是在细小的河流上反应不明显,数据来源于网友提供,中心线数据在做图以及水模方面有一定的作用。共14种水系矢量数据,下边进行简单介绍,括号内是水系矢量文件名称。 各级矢量水系(river1【线】、river1【面】、river3以上【线】、river3以上【面】、四级水系【线】、river5【线】);简单明了的水系(河湖【线】、河湖【面】);复杂详细的水系(面状水系【线】、线状水系【面】、osm_水系矢量面【面】、osm_水系中心线【线】、water【线】、water_a【面】) 各级水系解释:水系级别是指划分水系支流规模大小和相互关系的等级,一般分为五级。 简单明了的水系:该矢量分为面状和现状,与各级水系相比相对复杂,复杂程度处于各级水系和复杂水系之间。 复杂详细水系:该数据源于osm,其中水系中心线是通过arcgis工具提取而成,但是在细小的河流上反应不明显,数据来源于网友提供,中心线数据在做图以及水模方面有一定的作用。0 122浏览免费
- RAR大小:8MB为了满足相关土壤模型对更真实输入数据的需求,该数据集使用有关地形、气候和地质学的最佳可用数据开发了高分辨率栅格数据,数据集精度为30角秒(约1公里),数据集通过基岩(土壤、风化层和沉积物)上方的渗透层厚度进行了高分辨率估计。该数据集包含6个tif文件。 1) upland_hill-slope_regolith_thickness.tif 高地风化层(土壤加上完整风化层)厚度栅格(4 字节/浮点数),以米为单位。Pelletier 等人所述,这是一种具有高度不确定性的实验产品。(2016 年)。 2) upland_hill-slope_soil_thickness.tif 高地山坡土壤平均厚度栅格(4 字节/浮点数),以米为单位。 3) hill-slope_valley-bottom.tif 每个网格单元内由山坡与谷底组成的部分区域栅格。在大多数区域,该栅格非常接近值 1.0,因为在大多数景观中,山坡占据了绝大多数区域。 4)upland_valley-bottom_and_lowland_sedimentary_deposit_thickness.tif 以米为单位的高地谷底为了满足相关土壤模型对更真实输入数据的需求,该数据集使用有关地形、气候和地质学的最佳可用数据开发了高分辨率栅格数据,数据集精度为30角秒(约1公里),数据集通过基岩(土壤、风化层和沉积物)上方的渗透层厚度进行了高分辨率估计。该数据集包含6个tif文件。 1) upland_hill-slope_regolith_thickness.tif 高地风化层(土壤加上完整风化层)厚度栅格(4 字节/浮点数),以米为单位。Pelletier 等人所述,这是一种具有高度不确定性的实验产品。(2016 年)。 2) upland_hill-slope_soil_thickness.tif 高地山坡土壤平均厚度栅格(4 字节/浮点数),以米为单位。 3) hill-slope_valley-bottom.tif 每个网格单元内由山坡与谷底组成的部分区域栅格。在大多数区域,该栅格非常接近值 1.0,因为在大多数景观中,山坡占据了绝大多数区域。 4)upland_valley-bottom_and_lowland_sedimentary_deposit_thickness.tif 以米为单位的高地谷底0 34浏览免费
- RAR大小:17MB为了满足相关土壤模型对更真实输入数据的需求,该数据集使用有关地形、气候和地质学的最佳可用数据开发了高分辨率栅格数据,数据集精度为30角秒(约1公里),数据集通过基岩(土壤、风化层和沉积物)上方的渗透层厚度进行了高分辨率估计。该数据集包含6个tif文件。 1) upland_hill-slope_regolith_thickness.tif 高地风化层(土壤加上完整风化层)厚度栅格(4 字节/浮点数),以米为单位。Pelletier 等人所述,这是一种具有高度不确定性的实验产品。(2016 年)。 2) upland_hill-slope_soil_thickness.tif 高地山坡土壤平均厚度栅格(4 字节/浮点数),以米为单位。 3) hill-slope_valley-bottom.tif 每个网格单元内由山坡与谷底组成的部分区域栅格。在大多数区域,该栅格非常接近值 1.0,因为在大多数景观中,山坡占据了绝大多数区域。 4)upland_valley-bottom_and_lowland_sedimentary_deposit_thickness.tif 以米为单位的高地谷底为了满足相关土壤模型对更真实输入数据的需求,该数据集使用有关地形、气候和地质学的最佳可用数据开发了高分辨率栅格数据,数据集精度为30角秒(约1公里),数据集通过基岩(土壤、风化层和沉积物)上方的渗透层厚度进行了高分辨率估计。该数据集包含6个tif文件。 1) upland_hill-slope_regolith_thickness.tif 高地风化层(土壤加上完整风化层)厚度栅格(4 字节/浮点数),以米为单位。Pelletier 等人所述,这是一种具有高度不确定性的实验产品。(2016 年)。 2) upland_hill-slope_soil_thickness.tif 高地山坡土壤平均厚度栅格(4 字节/浮点数),以米为单位。 3) hill-slope_valley-bottom.tif 每个网格单元内由山坡与谷底组成的部分区域栅格。在大多数区域,该栅格非常接近值 1.0,因为在大多数景观中,山坡占据了绝大多数区域。 4)upland_valley-bottom_and_lowland_sedimentary_deposit_thickness.tif 以米为单位的高地谷底0 34浏览免费
- RAR大小:8MB为了满足相关土壤模型对更真实输入数据的需求,该数据集使用有关地形、气候和地质学的最佳可用数据开发了高分辨率栅格数据,数据集精度为30角秒(约1公里),数据集通过基岩(土壤、风化层和沉积物)上方的渗透层厚度进行了高分辨率估计。该数据集包含6个tif文件。 1) upland_hill-slope_regolith_thickness.tif 高地风化层(土壤加上完整风化层)厚度栅格(4 字节/浮点数),以米为单位。Pelletier 等人所述,这是一种具有高度不确定性的实验产品。(2016 年)。 2) upland_hill-slope_soil_thickness.tif 高地山坡土壤平均厚度栅格(4 字节/浮点数),以米为单位。 3) hill-slope_valley-bottom.tif 每个网格单元内由山坡与谷底组成的部分区域栅格。在大多数区域,该栅格非常接近值 1.0,因为在大多数景观中,山坡占据了绝大多数区域。 4)upland_valley-bottom_and_lowland_sedimentary_deposit_thickness.tif 以米为单位的高地谷底为了满足相关土壤模型对更真实输入数据的需求,该数据集使用有关地形、气候和地质学的最佳可用数据开发了高分辨率栅格数据,数据集精度为30角秒(约1公里),数据集通过基岩(土壤、风化层和沉积物)上方的渗透层厚度进行了高分辨率估计。该数据集包含6个tif文件。 1) upland_hill-slope_regolith_thickness.tif 高地风化层(土壤加上完整风化层)厚度栅格(4 字节/浮点数),以米为单位。Pelletier 等人所述,这是一种具有高度不确定性的实验产品。(2016 年)。 2) upland_hill-slope_soil_thickness.tif 高地山坡土壤平均厚度栅格(4 字节/浮点数),以米为单位。 3) hill-slope_valley-bottom.tif 每个网格单元内由山坡与谷底组成的部分区域栅格。在大多数区域,该栅格非常接近值 1.0,因为在大多数景观中,山坡占据了绝大多数区域。 4)upland_valley-bottom_and_lowland_sedimentary_deposit_thickness.tif 以米为单位的高地谷底0 34浏览免费
- 数据挖掘大小:288MBRapidMiner是世界领先的数据挖掘解决方案,在一个非常大的程度上有着先进技术,特点是图形用户界面的互动原型。 特点:拖拽操作,无需编程,运算速度快。 RapidMiner具有丰富数据挖掘分析和算法功能,常用于解决各种的商业关键问题,如营销响应率、客户细分、客户忠诚度及终身价值、资产维护、资源规划、预测性维修、质量管理、社交媒体监测和情感分析等典型商业案例。 RapidMiner解决方案覆盖了各个领域,包括汽车、银行、保险、生命科学、制造业、石油和天然气、零售业及快消行业、通讯业、以及公用事业等各个行业。RapidMiner是世界领先的数据挖掘解决方案,在一个非常大的程度上有着先进技术,特点是图形用户界面的互动原型。 特点:拖拽操作,无需编程,运算速度快。 RapidMiner具有丰富数据挖掘分析和算法功能,常用于解决各种的商业关键问题,如营销响应率、客户细分、客户忠诚度及终身价值、资产维护、资源规划、预测性维修、质量管理、社交媒体监测和情感分析等典型商业案例。 RapidMiner解决方案覆盖了各个领域,包括汽车、银行、保险、生命科学、制造业、石油和天然气、零售业及快消行业、通讯业、以及公用事业等各个行业。0 192浏览免费