- 一级分类：
- 全部 计算机 高等教育 金融/投资/证券 医药卫生 汽车/机械/制造 外语学习 报告/分析 法律/法规/法学 研究生考试 电子工程/通信技术 经济/贸易/财会 建筑/施工 幼儿/小学教育 中学教育 文学/历史/军事/艺术 资格/认证考试 人力资源/企业管理 学术论文 行业资料 办公文档 生活休闲
- 二级分类：
- SEO 计算机应用/办公自动化 .NET 数据结构与算法 Java C/C++资料 linux/Unix相关 手机开发 UML理论/建模 并行计算/云计算 嵌入式开发 windows相关 软件工程 管理系统 开发文档 图形图像 通信/网络 网络信息安全 电子支付 Labview matlab 网络资源 Python Delphi/Perl 评测 flash设计与制作 CSS/Script 计算机原理 PHP资料 数据挖掘与模式识别 Web服务 数据库 Visual Basic 电子商务 服务器 搜索引擎优化 存储技术 架构 行业软件 人工智能 计算机辅助设计 多媒体 软件测试 计算机硬件与维护 网站策划 网页设计/UI 网吧管理
数据挖掘r语言总结报告.doc
.实用文档.成绩：总结报告课程名称：数据挖掘R语言任课教师：姓名：专业：计算机科学与技术班级：学号：计算机科学与技术学院2021年6月19日数据预处理针对不同分析目标，选择适宜的字段，并将字段值处理成适于分析的形式。必要时还需对原数据集进行统计变换后形成易于分析的形式。为每条数据添加字段：所属地区。根据下列图中划分的美国四大地区，将每条数据中表示的案件发生地在该字段上划分为东北部、中西部、南部和西部四个值。首先导入数据：gundata<-read.csv("d:/gun.csv",sep=",",stri
DartSpora数据挖掘平台的构建的中期报告.docx
DartSpora数据挖掘平台的构建的中期报告首先介绍一下DartSpora数据挖掘平台的基本架构。该平台的架构采用了分布式处理模式，它的核心包括数据采集组件、数据预处理组件、算法实现组件、可视化展示组件和安全管理组件。数据采集组件可以从不同来源的数据源中收集数据，包括结构化数据、非结构化数据、半结构化数据，数据预处理组件可以对数据进行清理、整合、去重等处理，算法实现组件提供了多种机器学习算法和数据挖掘算法，可视化展示组件将结果以可视化的形式呈现，安全管理组件保证平台数据的安全性和隐私性。在中期报告中，我
地表变形监测数据挖掘的中期报告.docx
地表变形监测数据挖掘的中期报告本次地表变形监测数据挖掘的中期报告，主要介绍了已完成的工作和目前进展情况。一、已完成的工作1.数据收集和预处理：对目标地区的变形监测数据进行收集和预处理，包括数据清洗、去噪等，保证数据的准确性和可靠性。2.特征选取和提取：根据变形监测数据的特点和分析需求，选取了一组关键特征，并使用不同的方法进行特征提取，包括统计特征、时频特征、小波变换等。3.模型构建和优化：使用机器学习算法和深度学习算法构建了变形预测模型，并对模型进行了优化和调整，以提高预测精度和准确性。二、目前进展情况1
数据挖掘与客户关系管理分析.docx
数据挖掘与客户关系管理分析数据挖掘与客户关系管理分析数字挖掘技术的应用流程的良好确立，可以使得企业的客户信息管理工作的开展更加具有系统性和全面性，有效的提高了通信企业的市场竞争力。为通信企业的良好发展奠定了稳定的基础和提供了强大的推动力。摘要：数据挖掘当下被广泛的应用于人工智能领域，当下又被称作数据库中知识发现(KnowledgeDiscoveryinDatabase,KDD)，根据当下数据挖掘这一技术的应用现状，主要可以将这一技术的应用总结归纳为以下的三个步骤：(1)数据准备，(2)数据挖掘，(3)结果
基于压缩数据的数据挖掘算法的研究的任务书.docx
基于压缩数据的数据挖掘算法的研究的任务书任务名称：基于压缩数据的数据挖掘算法研究任务背景：随着数据量的不断增加，数据挖掘以及数据处理的问题也日益严重。为了解决这个问题，压缩技术成为了一种非常有效的手段。在压缩数据的同时，我们可以保留大部分原始数据的特征，使数据仍然具有有用的挖掘价值。因此，基于压缩数据的数据挖掘算法具有广泛的应用前景，包括图像处理、模式识别、神经网络等领域。任务目标：本任务旨在研究基于压缩数据的数据挖掘算法，包括但不限于以下几个方面：1.基于压缩数据的聚类算法，研究在压缩数据的条件下如何有
基于XML的WEB数据挖掘的开题报告.docx
基于XML的WEB数据挖掘的开题报告一、研究背景随着互联网技术的快速发展，Web上的数据量越来越大，同时，由于数据的异构性和分散性，如何有效地从海量的WEB数据中提取出有用的信息，就成为了重要的研究课题之一。这就需要使用数据挖掘技术来帮助人们从海量、复杂和异构的数据中提取有用的信息。同时，XML作为一种重要的数据交换格式，已经被广泛应用于Web应用中，并且在互联网上广泛流传。如何利用XML的特点来进行Web数据的挖掘研究，是当前研究的重要方向之一。二、研究目的本文旨在探讨XML在Web数据挖掘中的应用，主
基于数据仓库与数据挖掘的图书借阅管理数据研究的开题报告.docx
基于数据仓库与数据挖掘的图书借阅管理数据研究的开题报告一、选题背景随着社会快速发展，图书馆作为人们获取知识的场所，得到了广泛的关注和重视。如何提高图书管理的效率，减少不必要的浪费，成为了图书馆管理者需要探讨的问题。数据仓库与数据挖掘技术的出现，为图书馆借阅管理的数据处理提供了新的思路和方法。因此，对基于数据仓库与数据挖掘的图书借阅管理数据研究具有重要的现实意义和理论价值。二、选题意义1.提高管理效率数据仓库与数据挖掘技术可以快速地对大量的借阅数据进行分析和处理，帮助图书馆管理人员更加清晰地了解读者的借阅情
数据挖掘技术论文【通用多篇】.docx
数据挖掘技术论文【通用多篇】[前言]数据挖掘技术论文【通用多篇】为的会员投稿推荐，但愿对你的学习工作带来帮助。数据挖掘论文篇一[论文摘要]在电子商务中，数据挖掘有助于发现业务发展的趋势，帮助企业做出正确的决策。本文对目前电子商务中的Web数据挖掘方法进行了总结，并对电子商务中的Web数据对象进行了分类，对网络数据挖掘的作用进行了分析，为今后电子商务中实用Web数据挖掘软件的开发与应用提供了参考。一、电子商务和数据挖掘简介电子商务是指个人或企业通过Internet网络，采用数字化电子方式进行商务数据交换和开
charpter数据挖掘与客户关系管理.pptx
会计学数据挖掘的出现数据挖掘的出现数据挖掘的定义描述性模型:描述数据中的模式,用以创建有意义的群或子群预测性模型:在从已知条件中确定的模式基础上,预测一些现象或数值数据挖掘应用数据挖掘应用汇丰银行需要对不断增长的客户群进行分类，对每种产品找出最有价值的客户……美国国防财务部需要从每年上百万笔的军火交易中发现可能存在的欺诈现象……电信：流失银行：聚类（细分）,交叉销售百货公司/超市：购物篮分析（关联规则）保险：细分，交叉销售，流失（原因分析）信用卡：欺诈探测，细分电子商务：网站日志分析税务部门：偷漏税行为
数据挖掘与知识发现课程学习教案.pptx
会计学提纲知识(zhīshi)发现与数据挖掘的基本概念知识(zhīshi)发现的定义（KDD,KnowledgeDiscoveryinDatabase）知识发现(fāxiàn)的研究问题知识发现(fāxiàn)的过程知识发现(fāxiàn)的过程知识发现(fāxiàn)的过程知识发现(fāxiàn)的过程知识(zhīshi)发现系统的结构知识发现(fāxiàn)系统的结构知识发现系统(xìtǒng)的结构知识发现(fāxiàn)系统的结构知识(zhīshi)发现系统的结构知识(zhīshi)发现系统的结构
生物医学数据挖掘学习教案.pptx
会计学参考文献第一章概论(gàilùn)1.1什么(shénme)是数据挖掘8生物医学数据(shùjù)来源1.2数据挖掘的应用(yìngyòng)及方法数据挖掘技术(jìshù)1.3生物医学数据挖掘的特殊性1.4数据挖掘的评价(píngjià)开源数据挖掘工具(gōngjù)（平台）1.5数据挖掘的过程(guòchéng)WekaRTanagraYALEKNIMEOrange/GGobi第二章医学数据采集(cǎijí)与准备2.1数据(shùjù)的采集与组织胃癌TNM分期2.2数据(shùjù)管理
数据挖掘层次聚类学习教案.pptx
会计学2025/3/72025/3/72025/3/72025/3/72025/3/72025/3/72025/3/72025/3/72025/3/72025/3/72025/3/72025/3/72025/3/7算法DIANA（自顶向下分裂算法）输入：n个对象，终止条件簇的数目k。输出：k个簇，达到终止条件规定簇数目。（1）将所有对象整个当成一个(yīɡè)初始簇；（2）FOR（i=1;i≠k;i++)DOBEGIN（3）在所有簇中挑出具有最大直径的簇C；（4）找出C中与其它点平均相异度最大的一个(yī
基于数据挖掘的决策支持系统.pdf
"□生产□管理技术!·生产技术"基于数据挖掘的决策支持系统■王延平1周亮2(1.山东理工大学山东淄博255049;2.山东东大化工公司山东淄博255000)摘要:为有效处理企业所面临的各类内外部信息,提高企业的管理水平,本文以基于数据挖掘的决策支持系统方法整合企业信息,建立企业信息仓库,在模糊的、随机的信息中通过数据挖掘发现有用知识,给决策者提供决策支持,是一个辅助决策者提高管理效率及水平的有效途径。关键字:数据挖掘决策支持系统数据仓库企业管理中图分类号:TP391在市场经济环境下,企业竞争越来越激烈,如
DDE深度数据挖掘决策系统.doc
目录前言第一章数据的本源1.1上证所Level-2关键数据的含义1.1.1十档买卖盘1.1.2总买和总卖1.1.3逐笔成交1.1.4买卖队列1.2Level-2基础数据的看盘1.2.1区分机构和散户的委托单1.2.2异常交易信息—撤单1.2.3看懂Level-2动态行情1.2.4看懂队列矩阵第二章逐单分析2.1逐单分析的意义2.2看懂逐笔交易2.3逐单分析数据的函数调用2.4成交单数模型和应用2.5短线精灵2.6逐单分析的误差第三章DDE决策系统3.1DDE决策系统的原理3.2DDE决策系统的使用方法3.
《DDE深度数据挖掘决策系统》.pdf
目录前言第一章数据的本源1.1上证所Level-2关键数据的含义1.1.1十档买卖盘1.1.2总买和总卖1.1.3逐笔成交1.1.4买卖队列1.2Level-2基础数据的看盘1.2.1区分机构和散户的委托单1.2.2异常交易信息—撤单1.2.3看懂Level-2动态行情1.2.4看懂队列矩阵第二章逐单分析2.1逐单分析的意义2.2看懂逐笔交易2.3逐单分析数据的函数调用2.4成交单数模型和应用2.5短线精灵2.6逐单分析的误差第三章DDE决策系统3.1DDE决策系统的原理3.2DDE决策系统的使用方法3.
(完整word版)数据挖掘实验2.doc
《物联网智能信息处理》实验报告学院：计算机科学技术学院专业班级：物联网工程1101学号：2011001557姓名：孙泽东日期：2014年11月25日实验二数据挖掘实验1一、实验目的：熟悉数据挖掘中常用的分类算法，根据待分类的数据实现一个kNN分类器。二、实验内容：1.收集、整理待分类数据，搞清数据格式；2.搞懂kNN分类器基本原理；3.根据数据特点实现kNN分类器；4.分析分类效果。三、实验要求：在收集1-2种待分类数据集并搞清数据格式的基础上，根据kNN分类器的原理，选择Dev-C++等开发环境，实现针
数据挖掘管理系统规范说明.ppt
现状简介现状简介强度挖掘(IntensionMining)强度挖掘(IntensionMining)强度挖掘(IntensionMining)强度挖掘(IntensionMining)强度挖掘(IntensionMining)I-MIN过程模型(ProcessModel)I-MIN过程模型(ProcessModel)I-MIN过程模型(ProcessModel)I-MIN过程模型(ProcessModel)I-MIN过程模型(ProcessModel)I-MIN过程模型(ProcessModel)I-MI
大数据时代下的数据挖掘试题和答案及解析.pdf
海量数据挖掘技术及工程实践》题目、单选题(共80题)1)(D)的目的缩小数据的取值范围，使其更适合于数据挖掘算法的需要，并且能够得到和原始数据相同的分析结果。A.数据清洗B.数据集成C.数据变换D.数据归约2)某超市研究销售纪录数据后发现，买啤酒的人很大概率也会购买尿布，这种属于数据挖掘的哪类问题(A)A.关联规则发现B.聚类C.分类D.自然语言处理3)以下两种描述分别对应哪两种对分类算法的评价标准(A)(a)警察抓小偷，描述警察抓的人中有多少个是小偷的标准。(b)描述有多少比例的小偷给警察抓了的标准。A
PASW数据挖掘支撑电信经营决策.ppt
支撑电信经营分析决策洞察力——Insight数据挖掘的价值三年前在google搜索，键入「DataMining」，可找到1,260,000项查询结果一年前在google搜索，键入「DataMining」，可找到4,320,000项查询结果今天在google搜索，键入「DataMining」，可找到8,710,000项查询结果线性思维多带来不同！挖掘的力量-PASWModeler统计的力量-PASWstatistics数据分析的层次数据并不是人们最终需要的东西，他们需要的是信息，是对未来发展的洞察能力。PA
(完整word版)对数据挖掘的认识.doc
对数据挖掘的认识一、数据挖掘的理解数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据集中识别出有效的、新颖的、潜在有用的，以及最终可理解的知识的非平凡过程。这个定义包括几层含义：数据源必须是真实的、大量的、含噪声的；发现的是用户感兴趣的知识；发现的知识要可接受、可理解、可运用；并不要求发现放之四海皆准的知识，仅支持特定的发现问题。数据挖掘，简单地可理解为通过对环境数据的操作，从数据中发现有用的知识。它是一门涉及面很广的交叉学科，包括机器学习、数理统计、神经网络、数据库、模式识别、粗糙集、模糊数学等
