电子商务数据分析概论PPT、课后习题答案、教材源数据.zip

电子商务数据分析基础主教材课后习题（答案）+源数据.rar

电子商务数据分析实践（中级）实训专区+课后习题源数据.zip

计算机毕业论文-GIS多源数据集成模式评述.pdf

202x年利用FME进行智慧城市的多源数据融合(专业完整版).pdf

购物评论.xlsx

传统的基于稀疏表示的目标跟踪方法主要利用目标的灰度特征构建稀疏表示模型。由于灰度特征对光照变化敏感，这会影响目标跟踪在复杂场景下的鲁棒性。基于多源数据融合的目标跟踪可以明显提升目标跟踪鲁棒性，但如何有效融合不同维度，不同类型的多源目标特征成为基于多源数据融合的目标跟踪所要解决的关键问题。提出了一个基于目标状态以及灰度特征的稀疏表示目标跟踪方法。所提出的方法可通过基于核函数表示的稀疏表示模型，在探究目标状态以及灰度特征相关性的基础上，将两种不同维度的特征进行有效融合，提升目标跟踪在复杂场景下的鲁棒性。

基于证据理论的多源数据融合仿真实验matlab代码 实现功能：识别框架内元素个数在3~5个之间，其余参数自己选择，计算相应的置信度函数、信任度函数、似真度函数；同时完成两证据融合和三证据融合。用Matlab实现

全国省市区镇乡村-五级联动(附全部源数据)，附上采集的全部数据。

我们认为，仅采用专利的分类号数量并不能准确区分出一项专利所包含分类号之间的内部差异，反而会对专利质量的测度产生偏误。例如，一项专利共有三个分类号A01 B02/00、A01 B02/ 10、A01 B02/20，而另一项专利也有三个分类号：A01 B02 /00、A02B13/00 B35D13/20，这两项专利虽然专利分类号数量相同，但由于第一项专利只利用了A01 B02的一个大组信息，而第二项专利则利用了A01 B02、A02B13、B35D13这三个大组信息，显然第二项专利所运用的知识宽度要大于前者，因此，其专利质量相应也更高。为了尽量减少这一偏误，参照产业集中度的测算思路，该项指标采取大组层面的赫芬达尔一赫希曼指数的逻辑思路对其进行加权，企业专利知识宽度的具体计算方法为 其中，a表示专利分类号中各大组分类所占比重。可以看出，越大，各个大组层面的专利分类号之间的差异越大，即表明企业创造专利所运用的知识宽度越大，其专利质量可能就表现为越高。