人工智人-家居设计-高速公路与关联城市快速路结合部路网智能控制方法及应用研究.pdf

计算机应用 (知识点)7_多表关联.docx 学习资料 复习资料 教学资源

智慧环保管理系统项目第二期所关联业务系统技术改造项目

陕西省智慧城市发展路径研究基于空间关联视角.pdf

细节增强的matlab代码DMFLDA2 这是一个深度学习框架，可通过整合线性和非线性特征来增强用于预测lncRNA-疾病关联的传统矩阵分解方法。 要求 tensorflow == 1.3.0 numpy == 1.11.2 scikit-learn == 0.18 scipy == 0.18.1 用法 在这个GitHub项目中，我们提供了一个演示来展示DMFLDA的工作原理。 在data_processing文件夹中，我们提供了我们在研究中使用的以下数据集。 lda_interMatrix.mat是具有matlab格式的原始lncRNA-疾病相互作用矩阵。 它的形状是577个lncRNA x 272种疾病。 matrix.npy是numpy格式的lncRNA-疾病相互作用矩阵。 data.pkl用于存储采样的正样本和负样本。 u_feature.npy是我们研究中使用的SVD技术的U矩阵，其形状为577x64。 v_feature.npy是我们研究中使用的SVD技术的V矩阵，其形状为272x64。 在我们的演示中，我们提供了留一法的交叉验证来评估我们的模型。 您可以使用cross_v

人工智能-机器学习-关联规则分析-Apriori算法实例-挖掘电影导演的关联规则

该数据是Data Castle提供的一组比赛数据，分为两组，分别是训练集和测试集，每一组都包含大约1万名学生的信息纪录。 #数据主要包括： 图书借阅数据borrow_train.txt和borrow_test.txt； 一卡通数据card_train.txt和card_test.txt； 寝室门禁数据dorm_train.txt和dorm_test.txt； 图书馆门禁数据library_train.txt和library_test.txt； 学生成绩数据score_train.txt和score_test.txt； 助学金获奖数据subsidy_train.txt和subsidy_test.txt 目的是根据学生的行为记录数据和助学金数据，探究学生的行为活动（日常生活是否规律，勤奋程度）和成绩之间是否有某种联系。

为了提高大数据环境下的数据挖掘速度，对分布式计算构架Hadoop进行分析与研究，提出一种基于Hadoop平台的大数据关联规则挖掘算法MRPrePost。该算法在PrePost算法基础上改进而来，采用Hadoop平台降低分布式编程的难度且易于管理，通过一种自底向上的深度优化策略改进PrePost算法，降低内存开销，同时采用负载均衡的分组策略，来提高并行算法的性能，最终试验表明，该算法运行速度快，适应大数据关联规则挖掘。

人工智能-项目实践-关联规则挖掘-本项目使用了 FP-Growth 和 K-Means 两种算法，挖掘了我校图书馆借阅记录中的隐藏信息，并以此为基础开发了相应的图书推荐算法

质子学 不同分子亚型的肿瘤浸润免疫细胞的预后关联设置ProSTICS对象 ＃Part1：癌症亚型的发现 库（data.table）库（dplyr）库（rTensor）库（nnTensor）库（生存）库（survminer） setwd（“文件路径”）＃〜/ ProTICS / data1 <-fread（file =“ ./Data/data1.txt",header = T）data2 <-fread（file =” ./Data/data2.txt",header = T）诊所数据<-fread（file =“ ./Data/clinic_Data.txt",header = T）colnames（clinicdata）<-c（“ patient_id”，“ death”，“ survival”） source（“ ./ R / functions / normalization