Web數(shù)據(jù)挖掘是將數(shù)據(jù)挖掘技術(shù)和理論應(yīng)用于對WⅣW 資源進(jìn)行挖掘的一個(gè)新興的研究領(lǐng)域。本文論述了Web數(shù)據(jù)挖掘的發(fā)展現(xiàn)狀、發(fā)展趨勢以及將來可能的研究方向，并簡單介紹了個(gè)性化搜索引擎的一些情況，最后論述了web數(shù)據(jù)挖掘在個(gè)性化搜索引擎中的應(yīng)用。
標(biāo)簽： Web 數(shù)據(jù)挖掘 應(yīng)用于 發(fā)展現(xiàn)狀
上傳時(shí)間： 2016-07-23
上傳用戶：ccclll
這是 ssd8 exam1 的選擇題 比較全 感興趣的 朋友 可以 參考一下
上傳時(shí)間： 2013-12-20
上傳用戶：希醬大魔王
是一個(gè)五子棋程序,感興趣的可以一看,但能實(shí)現(xiàn)雙人對戰(zhàn)
標(biāo)簽： 程序
上傳時(shí)間： 2013-12-13
上傳用戶：lanwei
利用c語言開發(fā)高效的有限元程序,感興趣的朋友不妨一看
上傳時(shí)間： 2013-12-23
上傳用戶：1427796291
幾種圖像處理源碼 程序代碼說明 P0301：數(shù)字圖像矩陣數(shù)據(jù)的顯示及其傅立葉變換 P0302：二維離散余弦變換的圖像壓縮 P0303：采用灰度變換的方法增強(qiáng)圖像的對比度 P0304：直方圖均勻化 P0305：模擬圖像受高斯白噪聲和椒鹽噪聲的影響 P0306：采用二維中值濾波函數(shù)medfilt2對受椒鹽噪聲干擾的圖像濾波 P0307：采用MATLAB中的函數(shù)filter2對受噪聲干擾的圖像進(jìn)行均值濾波 P0308：圖像的自適應(yīng)魏納濾波 P0309：運(yùn)用5種不同的梯度增強(qiáng)法進(jìn)行圖像銳化 P0310：圖像的高通濾波和掩模處理 P0311：利用巴特沃斯（Butterworth）低通濾波器對受噪聲干擾的圖像進(jìn)行平滑處理 P0312：利用巴特沃斯（Butterworth）高通濾波器對圖像進(jìn)行銳化處理
標(biāo)簽： P0301 P0302 P0303 P0
上傳時(shí)間： 2013-11-25
上傳用戶：jkhjkh1982
ThreeColorFlags問題最早由E.W.Dijkstra所提出，塔所使用的用語為Dutch Nation Flag（Dijkstra為荷蘭人），而多數(shù)的作者則使用Three-Color Flag來說明。 假設(shè)有一條繩子，上面有紅，白，藍(lán)三種顏色的旗子，起初繩子上的旗子顏色并沒有順序，您希望將之分類，并排列藍(lán)，白，紅的順序，要如何移動(dòng)次數(shù)才會(huì)最少，注意您只能在繩子上進(jìn)行這個(gè)動(dòng)作，而且一次只能調(diào)換兩個(gè)旗子。
標(biāo)簽： ThreeColorFlags Dijkstra
上傳時(shí)間： 2016-07-30
上傳用戶：zhangyi99104144
用JSP編寫的線上問卷調(diào)查系統(tǒng)，提供JSP及JavaBean源始碼
上傳時(shí)間： 2016-07-31
上傳用戶：123456wh
K-MEANS算法: k-means 算法接受輸入量 k ；然后將n個(gè)數(shù)據(jù)對象劃分為 k個(gè)聚類以便使得所獲得的聚類滿足：同一聚類中的對象相似度較高；而不同聚類中的對象相似度較小。聚類相似度是利用各聚類中對象的均值所獲得一個(gè)“中心對象”（引力中心）來進(jìn)行計(jì)算的。 k-means 算法的工作過程說明如下：首先從n個(gè)數(shù)據(jù)對象任意選擇 k 個(gè)對象作為初始聚類中心；而對于所剩下其它對象，則根據(jù)它們與這些聚類中心的相似度（距離），分別將它們分配給與其最相似的（聚類中心所代表的）聚類；然后再計(jì)算每個(gè)所獲新聚類的聚類中心（該聚類中所有對象的均值）；不斷重復(fù)這一過程直到標(biāo)準(zhǔn)測度函數(shù)開始收斂為止。一般都采用均方差作為標(biāo)準(zhǔn)測度函數(shù). k個(gè)聚類具有以下特點(diǎn)：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開
標(biāo)簽： 聚類 K-MEANS k-means 對象
上傳時(shí)間： 2016-07-31
上傳用戶：youlongjian0
K-MEANS算法: k-means 算法接受輸入量 k ；然后將n個(gè)數(shù)據(jù)對象劃分為 k個(gè)聚類以便使得所獲得的聚類滿足：同一聚類中的對象相似度較高；而不同聚類中的對象相似度較小。聚類相似度是利用各聚類中對象的均值所獲得一個(gè)“中心對象”（引力中心）來進(jìn)行計(jì)算的。 k-means 算法的工作過程說明如下：首先從n個(gè)數(shù)據(jù)對象任意選擇 k 個(gè)對象作為初始聚類中心；而對于所剩下其它對象，則根據(jù)它們與這些聚類中心的相似度（距離），分別將它們分配給與其最相似的（聚類中心所代表的）聚類；然后再計(jì)算每個(gè)所獲新聚類的聚類中心（該聚類中所有對象的均值）；不斷重復(fù)這一過程直到標(biāo)準(zhǔn)測度函數(shù)開始收斂為止。一般都采用均方差作為標(biāo)準(zhǔn)測度函數(shù). k個(gè)聚類具有以下特點(diǎn)：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開
標(biāo)簽： 聚類 K-MEANS k-means 對象
上傳時(shí)間： 2013-12-19
上傳用戶：chenlong
基于動(dòng)態(tài)聚類的電力變壓器故障診斷,適合對動(dòng)態(tài)聚類感興趣的學(xué)習(xí)者 很難得的學(xué)習(xí)資料
標(biāo)簽： 動(dòng)態(tài) 聚類 電力變壓器 故障診斷
上傳時(shí)間： 2014-01-27
上傳用戶：lixinxiang
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
