Data Structures and Algorithm Analysis in C++ Third Edition (Mark Allen Weiss) 答案 国外的下载要教师资格。这本书不简单。所谓的编程思想，就在这了。

Focusing on high-dimensional applications, this 4th edition presents the tools and concepts used in multivariate data analysis in a style that is also accessible for non-mathematicians and practitioners. It surveys the basic principles and emphasizes both exploratory and inferential statistics; a new chapter on Variable Selection (Lasso, SCAD and Elastic Net) has also been added. All chapters include practical exercises that highlight applications in different multivariate data analysis fields: in quantitative financial studies, where the joint dynamics of assets are observed; in medicine, where recorded observations of subjects in different locations form the basis for reliable diagnoses and medication; and in quantitative marketing, where consumers’ preferences are collected in order to construct models of consumer behavior. All of these examples involve high to ultra-high dimensions and represent a number of major fields in big data analysis. The fourth edition of this book on Applied Multivariate Statistical Analysis offers the following new features: A new chapter on Variable Selection (Lasso, SCAD and Elastic Net) All exercises are supplemented by R and MATLAB code that can be found on www.quantlet.de. The practical exercises include solutions that can be found in Härdle, W. and Hlavka, Z., Multivariate Statistics: Exercises and Solutions. Springer Verlag, Heidelberg. Table of Contents Part I Descriptive Techniques Chapter 1 Comparison of Batches Part II Multivariate Random Variables Chapter 2 A Short Excursion into Matrix Algebra Chapter 3 Moving to Higher Dimensions Chapter 4 Multivariate Distributions Chapter 5 Theory of the Multinormal Chapter 6 Theory of Estimation Chapter 7 Hypothesis Testing Part III Multivariate Techniques Chapter 8 Regression Models Chapter 9 Variable Selection Chapter 10 Decomposition of Data Matrices by Factors Chapter 11 Principal Components Analysis Chapter 12 Factor Analysis Chapter 13 Cluster Analysis Chapter 14 Discriminant Analysis Chapter 15 Correspondence Analysis Chapter 16 Canonical Correlation Analysis Chapter 17 Multidimensional Scaling Chapter 18 Conjoint Measurement Analysis Chapter 19 Applications in Finance Chapter 20 Computationally Intensive Techniques Part IV Appendix Chapter 21 Symbols and Notations Chapter 22 Data

Python for Data Analysis每个章节中的数据。

algorithm-ta-tutorial：作为南京大学“算法设计与分析”课程的技术援助之一提供的指南

Radar Systems Analysis and Design Using MATLAB 的pdf及其代码，较详细

javacore文件分析器和heapdump文件分析器

matlab做信效度分析代码使用深度神经网络及其分析预测下颞（IT）多单元输出。 深度神经网络由多层组成，以处理输入图像。 以类似的方式，灵长类动物大脑的视觉皮层具有多个层，这些层处理从视神经传入的视觉刺激。 它们按以下顺序排列：V1，V2，V3，V4，IT（下颞）。 IT层类似于经过训练的DNN的最后一层，确定图像中的对象。 在该项目中，比较了灵长类动物大脑的视觉皮层（V4和IT）的5个区域中的2个区域与流行的DNN模型之间的比较。 用于比较的一些DNN模型是： HMO HMAX 像V1 像V2 克里热夫斯基等。 2012年 Zeiler＆Fergus 2013 1.1）数据获取和使用 在显示测试对象（灵长类动物）测试图像的同时，从其V4和IT区域记录神经输出。 V4区域具有128个通道，通过该通道收集神经输出，而IT区域具有168个通道。 因此，灵长类动物大脑中一幅图像的IT表示是一个168维向量。 总共向灵长类动物显示了1960张图像，因此V4数据矩阵为1960x128，而IT数据矩阵为1960x168。 这是数据的链接： 这里仅使用多单位数据。 为了从DNN模型的最后一个完全连

生态植物竞争分析 BIOL Ecology 2300有关植物竞争的数据和统计分析。 比较和分析了两个物种之间的植物生物量，以量化在不同植物密度下的种间/种内竞争。 @作者本杰明·安 技术领域 带有tidyverse的R Studio 3.4.4 与基于植物的实验有关的实验工具和技术 发射 可以在R Studio中查看R脚本。 可以使用标准图像（JPG，PNG等）阅读器查看图 目录 目的 实验设计 数据可视化 统计分析 目的 在农业领域，植物竞争动态是轮作，间作，生物病虫害防治和其他适应性策略的基本原理。 了解竞争动态以及种间竞争或种间竞争更强，可以塑造未来的农业技术。 实验设计 在该实验中，分析了小麦（小麦）和萝卜（萝卜）之间种内和种间竞争的影响。 种植不同密度的萝卜和小麦芽，并在五周后比较了小麦的生物量。 为了测试种内和种间竞争，使用了多个实验组。 对照组由两个小麦幼苗组成。 模拟种

%Newmark 滑动块分析 (NewmarkSb) %------------------------------------------------- ------------------------- % Newmark 滑块分析是岩土工程中的一种流行方法% 假设动态载荷下的刚性塑性行为来计算位移% ％ 句法% NewmarkSb (time,acc,ky) % ％ 输入% [tm] : 时间数据 [nx1] % [acc]：以 g [nx1] 为单位的加速度数据％[ky]：以g为单位的屈服加速度[1x1] % ％ 输出% 子图 1：输入加速度时间历程（基础加速度） % subplot 2：块的绝对加速度％子图3：块的相对加速度% 子图 4：块的相对速度% 子图 5：块的相对位移% % ％ 例子% - 方波脉冲% tm = [[0:0.0001:0.5],[0.5+0.0001:0.

CS579社交网络分析项目 如今，人们对汽车的评价不仅仅基于其价格和折旧。 拥有成本是一个关键因素。 一个最大的汽车网站 Edmunds.com 提出了 TCO 的想法，这意味着真正的拥有成本。 它会计算您在考虑下一次购买车辆时可能未计入的额外成本，包括：折旧、贷款利息、税费、保险费、燃料成本、维护和维修。 在本项目中，我们将首先通过 Edmunds API 从 Edmunds 收集评论数据。 然后尝试利用几个现有的分类和回归模型来完成机器学习过程。 最后，我们将比较我们从测试集得到的结果，并得出 TCO 价格与客户评论之间的联系的结论。 会员贡献 Jiaqi Chen : 收集数据、逻辑回归、textblob、报告 Xingtan Hu : 收集数据，伯努利/高斯朴素贝叶斯，报告 路晓阳：收集资料，PPT 此作业中包含的文件 ./Collect_data.ipynb 通过 Edmun