近几年来，作为一种非常强大的分析数据的方法，数据挖掘的应用范围在不断扩大，但实际上这种卓越的分析方法只局限于少数的企业和专业人士在使用。普通人在面对昂贵的专业软件和一系列令人费解的统计学术语、复杂公式的时候，很多就放弃了。其实，我们忽视了身边既便宜又方便而且强大的数据挖掘工具——Excel。本书运用大量实例介绍了Excel的强大工具，通俗易懂，让你轻松掌握用Excel进行数据挖掘的方法。 目录

数据仓库和数据挖掘的OLAP技术

内容概要：本资源所用的开发环境是jupyter，包含MLP/LeNet/AlexNet/GoogLeNet/ResNet五个深度神经网络模型结构和MNIST、Fashion MNIST、HWDB1三个不同的数据集。所有运行结果都写在了.ipynb文件中，所用的开发框架为tensorflow2。 适合人群：具备一定编程基础，了解深度学习人员。

垃圾分类展板宣传海报 PSD模板.zip PS模板（PS设计师素材资源、 PSD源文件格式图片下载、细分各图层 透明图PNG）

基于无监督聚类的入侵检测方法

数据库三级考试，对应考试题目总结的知识框架，以章节为单位，汇总知识点。该文件下载后，用gmind思维导图软件导入后即可打开。希望各位顺利通过数据库三级考试。

敏感词汇，做网站，app必备，已分类好，用程序导入数据库即可使用 做好了10个分类，网站和app已经够用了，欢迎下载使用

电梯卡复制延期， 门禁卡复制延期 ，NFC使用 ，IC复制延期 ，日期延期，加密解密 ，算法 ，解密

 在日益丰富的音乐应用场景下，实现基于音乐情感的音乐检索、音乐分类和精准推送愈发重要，而一曲音乐在不同片段的情感多变性却使得音乐情感分析任务变得十分复杂。传统的以人工方式对音乐进行情感分析费时费力，简单地使用单标记分类技术也无法准确地分析出音乐所蕴含的复杂而多样的情感，然而，其复杂性与多变性却十分契合多标记分类技术。   针对此问题，**基于多标记分类技术，在依据音乐的物理信息提取的带有情感标记的数据集上，先利用信息熵的思想筛选原始音乐特征空间中关键的数值型向量特征，再利用聚类方法进行特征转换，并完成数据的标准化，从而获得一组原始数据空间对应的映射空间，实现音乐元数据的降维操作，最后再以此导入基本分类器进行音乐情感分析。**该方法有着完备的理论支持，且实验结果表明，基本分类器在映射空间上的多标记分类表现整体上优于原始数据空间。

stata面板数据分析 1.高级计量经济学案例库.zip 2.IV专题.zip 3.固定效应与随机效应.zip 4.动态面板.zip 5.离散被解释变量.zip 6.门槛模型.zip 7.面板VAR.zip 8.面板论文.zip 9.120分钟搞定数据分析及结果输出.zip