基于大数据的轨迹数据挖掘。Trajectory Data Mining。

关联规则的matlab代码数据挖掘（ID2222）-家庭作业 我们实现了基于Jaccard相似度的文本相似文档的查找阶段，使用了混叠，最小散列和局部敏感哈希（LSH）技术以及相应的算法。 我们实现了Apriori算法，用于在销售交易数据集中查找支持至少为“ s”的频繁项目集。 我们还实现了奖励部分，该部分需要实现一种算法，该算法用于生成在销售交易数据集中使用Apriori算法发现的频繁项目集之间的关联规则，这需要至少's'和至少'c'的支持，其中给出“ s”和“ c”作为输入参数。 我们在论文“使用HyperBall进行几何中心的核心计算：数百个十亿个节点及以上”中实现了称为HyperLogLog的Flajolet-Martin算法，并在本文中实现了利用HyperLogLog算法来实现的称为HyperBall的图形算法。计算中心性。 我们研究，实施和测试了光谱图聚类算法，如Andrew Y. Ng，Michael I.Jordan，Yair Weiss的论文“关于光谱聚类：分析和算法”中所述。 使用我们的K特征向量算法的实现，我们分析了两个样本图。 1）。 真实图形“ example1

2017-CCF-BDCI-AI评审 这是我近期参加的一个数据挖掘比赛，CCF大数据与计算智能大赛（BDCI）中的一题：法官。但是由于时间冲突与一些个人原因，我只参与并完成了初赛任务（罚金）在初赛成绩中，取得A榜第5 ， B榜第7 （最高1.68％ ）的成绩（这个成绩实际上只用了if-idf特征和Word2Vec特征，该项目在初赛结束后进行过多尝试和改进，效果应该会更容易初赛）。 该项目是我的第一个有关文本分类的项目，所以在做这题之前，我没有任何自然语言处理（NLP）的知识积累。因此，通过参与这个比赛，我的初衷是希望学到一些自然语言处理的基础知识，所以名次对于我来说没有那么重要了。 是一个，我

【主要内容】 引言 数据挖掘的概念与分类体系 数据挖掘的原理与方法 数据挖掘的相关国际标准 数据挖掘系统结构 数据挖掘系统设计中的若干问题 数据挖掘新技术

下午4点 PM4Py是一个python库，支持python中的（最新技术）进程挖掘算法。 它是完全开源的，旨在用于学术界和工业项目。 PM4Py是弗劳恩霍夫应用信息技术研究所的产品。 文档/ API 有关PM4Py的完整文档，请访问 第一个例子 一个非常简单的例子，可以激发您的胃口： import pm4py log = pm4py . read_xes ( '' ) process_model , initial_marking , final_marking = pm4py . discover_petri_net_inductive ( log ) pm4py . view_petri_net ( process_model , initial_marking , final_marking , format = "svg" )

《Sentiment Analysis and Opinion Mining》，刘冰2012年的书，M&C出版社出版。没在网上找到过免费的，这书很贵的好不好，30美刀…… 话说我这不涉及侵权吧……

《统计学习基础(第2版)(英文)》内容广泛，从有指导的学习（预测）到无指导的学习，应有尽有。包括神经网络、支持向量机、分类树和提升等主题，是同类书籍中介绍得最全面的。

本文调研了DL在识别生物数据模式中的作用，提供了-DL在生物序列，图像和信号数据中的应用；这些数据的开放获取源的概述；适用于这些数据的开源DL工具的描述；并从定性和定量的角度比较这些工具。最后，它概述了挖掘生物数据的一些开放式研究挑战，并提出了一些可能的未来前景。

基于matlab的表情识别代码数据挖掘 项目1 在本作业中，您将研究k最近邻，神经网络和SVM分类器在两个实际分类问题上的应用。 用于此分配的数据集已上传到“数据集”文件夹下。 x_train，y_train，x_test和y_test分别表示训练功能，训练标签，测试功能和测试标签。 在x_train和x_test中，每一行代表一个数据样本，每一列代表一个特征。 问题1 人类活动识别数据集是根据对30名志愿者进行的实验而创建的，以使用智能手机数据识别人类活动。 每个人都在腰部佩戴智能手机（三星Galaxy S II）进行六项活动（步行，步行，上楼，下坐，坐着，站立，躺着）。 使用其嵌入式加速度计和陀螺仪，可以以50Hz的恒定速率捕获3轴线性加速度和3轴角速度。 使用信号处理算法处理数据以提取维度561的特征向量。训练集包含7,352个样本，测试集包含2,947个样本。 在此数据集上实现k = 5的k最近邻算法。 使用简单的欧几里德距离度量来计算两个样本之间的距离。 在训练集上训练带有参数2的多项式内核的SVM分类器，并在测试集上进行测试。 您需要为每个课程训练一个SVM。 为了预测测试

职业建设是每个工程专业学生中最珍惜的部分。 对于工程专业的毕业生，有必要在其领域内拥有丰富的知识才能被安置在知名公司中。 数据挖掘用于获取知识，查找隐藏信息，并且该系统还将数据挖掘技术应用于学术数据集。 学术数据包括内部（CCET 1，CCET2和CCET3）分数和作业分数。 根据每个学生的分析结果来预测最后一个学期的成绩。 为了提高准确性，该系统引入了重加权增强的增强算法。