均值漂移谱聚类(MSSC)算法为模式识别聚类任务提供了一种较新的方案. 然而由于其内嵌均值漂移 过程的时间复杂度与样本容量呈平方关系, 其在大数据集环境的实用性受到大大削弱. 利用快速压缩集密度 估计器(FRSDE)替代Parren窗密度估计式(PW)并融合基于图的松弛聚类(GRC)方法, 提出了快速均值漂移谱聚 类(FMSSC)算法. 相比原MSSC, 该算法的总体渐进时间复杂度与样本容量呈线性关系, 并具有自适应性和便捷性.

#资源达人分享计划#

包括boston_housing.npz，imdb.npz，imdb_word_index.json，mnist.npz，reuters.npz，reuters_word_index.json共6个数据集

包括boston_housing.npz，imdb.npz，imdb_word_index.json，mnist.npz，reuters.npz，reuters_word_index.json共6个数据集

基于粒度计算的大数据集频繁项挖掘方法.pdf

计算医疗库：分析大数据集医疗，并使用TensorFlow建立机器学习模型

该GPS轨迹数据集由182位用户在（微软亚洲研究院）Geolife项目中收集，历时超过五年（2007年4月至2012年8月）。 该数据集的GPS轨迹由一系列时间戳点表示，每个点都有其中包含纬度，经度和海拔高度的信息。 该数据集包含17,621个轨迹，总距离为1,292,951公里，总持续时间为50,176小时。 这些轨迹由不同的GPS记录仪和GPS手机记录，并具有各种采样率。 91.5％的轨迹以密集表示记录，例如 每1~5每秒秒或每5~10米。 该数据集记录了广泛的用户户外活动，不仅包括回家和上班等生活习惯还有一些娱乐和体育活动，如购物，观光，餐饮，远足和骑自行车。 这条轨迹数据集可用于许多研究领域，例如移动模式挖掘，用户活动识别，基于位置的社交网络，位置隐私和位置建议。 虽然这个数据集分布在中国30多个城市，甚至在美国和欧洲的一些城市，大部分数据都是在中国北京创建的。 图1绘制了该数据集在北京的分布（热图）。该位于加热条右侧的数字表示某个位置产生的点数。

国家社科基金项目数据库 包括里面的所有项目资源信息，如果不懂软件分析的小伙伴，直接在Excel里面也可以进行筛选和数据分析哟，数据量约100000条左右。 数据量较大，可以推荐做数据分析的案例和模板，Hadoop也可练练手哟，资源信息非常全，欢迎科研宝宝下载哟！ 话不多说，绝对超值！

近400多万条数据，可以做大数据分析的案例和练习，可以作为推荐系统的学习 字段（id, userid,age,gender,item_id, behavior_type, item_category, date, province）（序号，用户ID，性别，商品ID，用户行为，商品种类，发生日期，发生省份） //1.浏览、2.收藏、3.加购物车 4.购买 至于如何去分析，资源里面附着Hadoop分析代码与Python可视化代码案例，当然仅供参考，你也可以自由发挥！

本压缩包包含：spark-assembly-1.4.0-hadoop2.6.0.jar、jcommon-1.0.16.jar、jfreechart-1.0.3.jar、joda-time-2.2.jar， 基于课程《第四章Spark&Scala的集成开发环境.docx》