本書共分６篇，第１篇統(tǒng)計(jì)學(xué)基礎(chǔ)知識(shí)與ＳＡＳ軟件應(yīng)用技巧，介紹了統(tǒng)計(jì)學(xué)的基本概念和學(xué)習(xí)方法、試驗(yàn)設(shè)計(jì)入門、統(tǒng)計(jì)描述、ＳＡＳ軟件應(yīng)用入門、編寫ＳＡＳ實(shí)用程序的技巧、單變量統(tǒng)計(jì)分析和利用SAS／GRAPH模塊繪制常用統(tǒng)計(jì)圖的方法。第２篇試驗(yàn)設(shè)計(jì)與定量資料的統(tǒng)計(jì)分析，介紹了與ｔ檢驗(yàn)、非參數(shù)檢驗(yàn)和各種方差分析有關(guān)的試驗(yàn)設(shè)計(jì)和數(shù)據(jù)處理方法。第３篇試驗(yàn)設(shè)計(jì)與定性資料的統(tǒng)計(jì)分析，介紹了處理二維及高維列聯(lián)表資料的各種統(tǒng)計(jì)分析 方法，包括卡方檢驗(yàn)、Fisher的精確檢驗(yàn)、典型相關(guān)分析、logistic回歸模型和對(duì)數(shù)線性模型等內(nèi)容。第４篇試驗(yàn)設(shè)計(jì)與回歸分析，介紹了回歸分析的種類和選用方法、簡(jiǎn)單直線回歸、多項(xiàng)式回歸、簡(jiǎn)單曲線回歸、多元線性回歸、協(xié)方差分析、直接試驗(yàn)設(shè)計(jì)及其資料的回歸分析等有關(guān)內(nèi)容。第５篇生存分析，介紹了生存資料的特點(diǎn)、生存時(shí)間函數(shù)和生存分析 方法的分類等基本概念；生存資料的非參數(shù)分析方法、ＣＯＸ模型分析方法和參數(shù)模型的回歸分析方法。第６篇多元統(tǒng)計(jì)分析，介紹了主成分分析、因子分析、對(duì)應(yīng)分析、聚類分析、判別分析、典型相關(guān)分析。
標(biāo)簽： 分
上傳時(shí)間： 2013-12-19
上傳用戶：zyt
開發(fā)環(huán)境:Matlab 簡(jiǎn)要說(shuō)明:自組織特征映射模型(Self-Organizing feature Map)，認(rèn)為一個(gè)神經(jīng)網(wǎng)絡(luò)接受外界輸入模式時(shí)，將會(huì)分為不同的區(qū)域，各區(qū)域?qū)斎肽Ｊ骄哂胁煌捻憫?yīng)特征，同時(shí)這一過(guò)程是自動(dòng)完成的。各神經(jīng)元的連接權(quán)值具有一定的分布。最鄰近的神經(jīng)元互相刺激，而較遠(yuǎn)的神經(jīng)元?jiǎng)t相互抑制，更遠(yuǎn)一些的則具有較弱的刺激作用。自組織特征映射法是一種無(wú)教師的聚類方法。
標(biāo)簽： Self-Organizing feature Matlab Map
上傳時(shí)間： 2015-03-19
上傳用戶：杜瑩12345
Kohonen的SOFM(自組織特征映射)：這種算法部分收到生物特征影響，在網(wǎng)絡(luò)輸出層內(nèi)按幾何中心或特征進(jìn)行聚類。
上傳時(shí)間： 2015-03-22
上傳用戶：450976175
模式識(shí)別的作業(yè)代碼，VC開發(fā)，主要是線性分類識(shí)別和聚類（基本K-平均算法）的實(shí)踐，功能比較簡(jiǎn)單，還有帶完善
上傳時(shí)間： 2015-03-26
上傳用戶：123456wh
數(shù)據(jù)挖掘算法之一，基于代表點(diǎn)的CURE聚類算法，該算法先把每個(gè)數(shù)據(jù)點(diǎn)看成一類，然后合并距離最近的類，直至類個(gè)數(shù)為所要求的個(gè)數(shù)為止。
標(biāo)簽： 數(shù)據(jù)挖掘算法
上傳時(shí)間： 2015-03-29
上傳用戶：lunshaomo
采用二叉樹數(shù)據(jù)結(jié)構(gòu)，屬性均值聚類算法在圖象識(shí)別中的應(yīng)用。
標(biāo)簽： 二叉樹 數(shù)據(jù)結(jié)構(gòu)
上傳時(shí)間： 2014-12-06
上傳用戶：wxhwjf
數(shù)據(jù)庫(kù)中的數(shù)據(jù)都有各種屬性，目前算法很少涉及這部分，這是一個(gè)關(guān)于屬性的聚類算法。
標(biāo)簽： 數(shù)據(jù)庫(kù) 數(shù)據(jù)
上傳時(shí)間： 2014-01-10
上傳用戶：athjac
Kohonen網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程可描述為：對(duì)于每一個(gè)網(wǎng)絡(luò)的輸入，只調(diào)整一部分權(quán)值，使權(quán)向量更接近或更偏離輸入矢量，這一調(diào)整過(guò)程就是競(jìng)爭(zhēng)學(xué)習(xí)。隨著不斷的學(xué)習(xí)過(guò)程，所有輸入矢量都在輸入矢量空間相互分離，形成了各自代表輸入空間的一類模式，這就是Kohonen網(wǎng)絡(luò)的特征自動(dòng)識(shí)別的聚類功能。請(qǐng)解壓縮后按照readme提示進(jìn)行操作。
標(biāo)簽： Kohonen 網(wǎng)絡(luò) 過(guò)程 輸入
上傳時(shí)間： 2015-04-04
上傳用戶：miaochun888
在語(yǔ)音信號(hào)處理中，特征的聚類用matlab來(lái)實(shí)現(xiàn)
標(biāo)簽： 語(yǔ)音信號(hào)處理
上傳時(shí)間： 2015-04-04
上傳用戶：kytqcool
K-均值算法的c語(yǔ)言實(shí)現(xiàn)，他是一種基于樣本間相似性度量的間接聚類方法。
上傳時(shí)間： 2015-04-05
上傳用戶：zhuimenghuadie
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
