mspca（MSPCA） 多尺度主成分分析。 多尺度PCA（MSPCA）结合了PCA提取变量之间的互相关或关系的能力，以及正交小波的能力，以从随机过程中分离确定性特征，并使测量之间的自相关近似解相关[1]。 图1. MSPCA模型的示意图[2]。 图2.数据多尺度表示的示意图[2]。 参考 [1] Bhavik R. Bakshi，《多尺度PCA及其在多元统计过程监控中的应用》，俄亥俄州立大学，1998年。 [2] M. Ziyan Sheriff，Majdi Mansouri，M。Nazmul Karim，Hazem Nounou，基于多尺度PCA的移动窗口GLRT的故障检测，过程控制杂志，2017年。 安装 依存关系 mspca要求： Python> = 3.7 PyWavelets == 1.0.3 numpy的= = 1.19.5 熊猫== 0.25.1 点子 安

该资源为通视域分析算法PDERL的源码，该算法与R3算法一样是精确算法，但速度却接近XDraw算法，是理想的通视域精确分析算法。原理参考我的博文：https://blog.csdn.net/springberlin/article/details/109459773

链路预测是网络分析的一个重要应用，网络结构在真实场景中随时间发生演变，节点间会产生新的联系或者终止连接，从而导致网络结构变化以及节点中内在的偏向发生偏移。为提升链路预测能力，提出一种基于时序特征的动态网络节点表示的链路预测算法，即每一时刻的节点表示向量由历史的表示向量计算得到，以反映节点在向量空间中的变化规律，同时结合节点间的高阶邻近特性，生成具有鲁棒性的节点向量来维护网络结构。在真实数据集上的实验结果表明，与TNE、DHPE等算法相比，该算法在链路预测任务上的预测性能具有明显提升，适用于大规模的动态网络。

基于舆情事件的词汇关联分析，既是面向网络舆情的情报研究中的一项关键技术，也是保证和提高网络舆情分析质量的一个重要途径。文章研究基于词跨度的关键词获取算法，对候选关键词进行权重计算。研究计算词汇之间的共现率算法，通过限定范围和结果组配的方法识别词汇间的关系。实验测试取得了良好效果，对于提高网络舆情事件分析的质量有重要意义和应用价值。

人群行为分析算法研究与实现,上海交通大学电子信息与电气工程学院论文

这是鄙人完成老师的一个实验作业，写的还不错已比较详细，且代码中有大量注释帮助理解。使用时打开vc，在文件里选择打开工作区间，打开文件里的test2.dsw即可使用。里面的大量过程结果被鄙人注释掉了，打开1.cpp里的注释即可看到过程的结果。

编译原理的实验之一，预测分析算法。用C语言写的，包括左递归的处理。

see5.0决策树分析算法与其详细操作资料

xe^x-1=0(Newton/NewNewton/DownNewton/CutLine)解非线性方程，(高斯消去法/列主元消去法)求解方程，欢迎

算法分析课程作业，C语言编写，可能需要用input.txt输入，最小费用购物问题代码