数据驱动的大规模知识图谱构建方法.pdf 知识图谱构建 英文

数据驱动随机子空间识别算法，可自动识别模态特征，包括频率、阻尼、振型

冷热轧板折弯规格表

MATLAB 偏最小二乘回归的工具箱，全面的偏最小二乘分析

螺纹钢：低产量支撑，高位震荡 热轧卷板： 表需回升， 高位震荡.pdf

偏最小二乘专家混合（Mix-PLS）是一种适合在多种操作模式下学习的方法。 在工业应用中，这种场景非常普遍。 然后，Mix-PLS 将偏最小二乘回归 (PLS)（化学计量学文献中众所周知的方法，也是工业中软传感器最常用的方法之一）集成到混合专家框架中，从而推导出新的 Mix-PLS回归。 它也适用于非线性回归。 如果该方法的任何应用发表，请引用原著：Francisco AA Souza，Rui Araújo，偏最小二乘专家的混合和具有多种操作模式的预测设置中的应用，化学计量学和智能实验室系统，第 130 卷， 2014 年 1 月 15 日，第 192-202 页。 DOI： http : //dx.doi.org/10.1016/j.chemolab.2013.11.006 。 更多信息可以在我的网站上找到： www.isr.uc.pt/~fasouza

IT行业技术实践案例参考

采用Maven+Selenium+TestNG+TestNG-xslt实现数据驱动自动化测试框架的实现，思想主要是采用PO模式进行代码封装以及对数据文件的读取使用。

文件内包含KRR、KPCA、KPCR以及KPLS的相关程序，其中KPLS相关程序又包括KerSIMPLS以及KerNIPALS可供选择，他们是用不同方法计算的PLS。同时文件中还有一个例子，分别应用这些程序实现sin函数的拟合，清晰易懂，希望对大家有所帮助。

科学大数据驱动学科发展.docx