18B20数字温度传感器中文资料 操作时序
2022-07-09 10:17:24 1.17MB 18b20中文资料 18b20时序图 温度传感器
1
人工智能-项目实践-推荐算法-基于豆瓣电影用户数据使用Canop+K-means聚类实现的协同过滤推荐算法
2022-06-27 13:05:21 57.63MB 推荐算法 推荐系统 协同过滤 k-means
大数据的数据使用质量评价研究 作者:黄永鑫 郭彦辰 来源:《电子技术与软件工程》2018年第23期 摘要 数据质量是决定数据是否适用于预期用途的基础,尽管目前存在用于评估常规 数据质量的不同数据质量模型,但它们都没有适应大数据。为填补这一空白,本文提出 了特有的数据质量模型,该模型由三个数据质量特征组成,用于评估大数据项目中使用 中的数据质量水平:分别是上下文充分性、操作充分性和时间的充足性.该模型可以集成 到任何类型的大数据项目中,因为它独立于任何先决条件或技术,并且完成了针对大数 据的数据质量计划的所有挑战。同时该模型可以作为获得大数据分析输入数据使用质量 水平的适当方式,并且这些水平可以被理解为可信度和结果可靠性的指标。 【关键词】大数据 数据质量 使用评价 大数据正在成为处理大量数据时遇到常见问题的新型解决方案,这些问题可能 是多样化的,并且可能也会以大规模并行处理。根据要进行的分析类型,必须以特定方 式收集和安排一些具体数据,以应对各种性质(技术、概念和方法)的新挑战,即收集 的数据必须与感兴趣的领域或分析的背景相关,换句话说,数据必须对分析有价值。传 统工作中,自有数据洞察
2022-06-22 09:03:40 156KB 文档资料
MagicCrypt 是一个 Java/PHP/NodeJS/Rust 库,用于加密/解密字符串、文件或数据,使用数据加密标准 (DES) 或高级加密标准 (AES) 算法。它支持 CBC 分组密码模式、PKCS5 填充和 64、128、192 或 256 位密钥长度。
2022-06-11 14:03:29 19KB rust 算法
这个基于 GUI 的代码执行存储为 ASF/AMC 文件格式的运动捕捉数据的有损编码。 1)阅读文件“0-Readme-Help How to Use the System_QBC.pdf” 2) 运行脚本“mainguiqbc.m” 参考: Murtaza Ali Khan,“使用多维二次贝塞尔曲线分解拟合方法压缩运动捕捉信号的有效算法”,多维系统和信号处理,Springer 期刊,2014 年 8 月。 DOI 10.1007/s11045-014-0293-4。 http://link.springer.com/article/10.1007/s11045-014-0293-4
2022-06-09 13:09:28 2.77MB matlab
1
函数 WINSOR 输入数据向量 x 和截止百分位数 p 的 2*1 向量,并用最小剩余值替换低于百分位数 p(1) 的 x 的非 NaN 值,以及高于百分位数 p(2) 的 x 值剩余价值最大。 百分位数是使用统计工具箱的PRCTILE 计算的。
2022-05-18 10:46:51 2KB matlab
1
多方安全计算与数据使用控制.pdf
2022-05-08 09:00:09 1.59MB 文档资料 安全
银行卡号测试数据,使用ctpn检测,包含测试数据和代码, 2000多张, JPEGImages目录
2022-05-02 15:23:26 294.9MB 银行卡号测试数据
1
使用卫生保健数据预测抑郁 作者:Vivienne DiFrancesco 可以在找到用于探索该项目中使用的数据的配套仪表板 该存储库的内容是对使用机器学习模型来预测使用医疗保健数据的人的抑郁症的分析。 希望可以使工作更易于访问和复制,从而进行详细的分析。 储存库结构 README.md:此项目审阅者的顶级自述文件 first_notebook.ipynb:从数据清理阶段开始在jupyter笔记本中进行分析的叙述性文档 second_notebook.ipynb:在项目的探索阶段清理数据之后开始的叙述性文档的延续 PredictingDepressionSlides.pdf:项目演示幻灯片的PDF版本 project_functions文件夹:包含编写用于first_notebook和second_notebook的自定义函数 仪表板文件夹:包含用于创建此项目的配套仪表板的文件的文件夹 抽
2022-04-11 19:56:07 71.88MB data-science python3 healthcare machinelearning
1
活动识别 使用智能手机和智能手表数据使用Apache Spark和H20预测活动。 可以预测的活动示例包括: 坐着 步行 吃 打字 常设 运球篮球等... 使用SparkML和H20在Apache Spark分析中完成数据预处理 数据集 “ WISDM智能手机和Smartwatch活动和生物识别数据集” 原始时间序列传感器数据 描述的数据集说明 **项目中采取的步骤如下:** 1)特征提取 提取用于预测上述活动的功能: subject_id 是SmartPhone还是SmartWatch数据? 设备类型:加速度计和/或陀螺仪 时间戳记 x,y和z坐标提取标签: 代表每个活动的活动代码 将所有这些信息组织到spark RDD中,然后组织到Spark DataFrame中 编码 2)数据预处理 对于每个活动,包括以下所有百分比读数: x,y,z坐标 按时间戳排序 还包括来自下一
2022-03-23 09:03:11 527KB Python
1