中文版技术书是不是不靠谱? [问题点数:150分]

Bbs1
本版专家分:0
结帖率 0%
Bbs2
本版专家分:120
Bbs5
本版专家分:3034
Blank
黄花 2018年12月 Java大版内专家分月排行榜第二
Bbs1
本版专家分:5
Bbs1
本版专家分:0
Blank
红花 2018年8月 Delphi大版内专家分月排行榜第一
2018年7月 Delphi大版内专家分月排行榜第一
2018年4月 Delphi大版内专家分月排行榜第一
2018年3月 Delphi大版内专家分月排行榜第一
Blank
黄花 2016年11月 Delphi大版内专家分月排行榜第二
Blank
蓝花 2011年10月 其他开发语言大版内专家分月排行榜第三
2010年8月 其他开发语言大版内专家分月排行榜第三
2007年5月 其他开发语言大版内专家分月排行榜第三
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:32
Bbs1
本版专家分:0
Bbs5
本版专家分:4863
Bbs5
本版专家分:2719
Bbs5
本版专家分:2719
Bbs1
本版专家分:5
Bbs1
本版专家分:0
Bbs1
本版专家分:100
Bbs1
本版专家分:24
Bbs5
本版专家分:2319
Blank
红花 2018年11月 Java大版内专家分月排行榜第一
Bbs1
本版专家分:5
Bbs1
本版专家分:0
Bbs1
本版专家分:5
IGBT模块 技术 驱动和应用 中文版
英飞凌工程师写的 <em>中文版</em>(扫描) 本书首先介绍了IGBT的内部结构,然后通过电路原型或基本模型推导出的IGBT变体形式。在此基础上,探讨了IGBT的封装<em>技术</em>。本书还讨论了IGBT电气特性和热问题,分析了IGBT的特殊应用和并联驱动<em>技术</em>。这些分析还包括了IGBT的实际开关行为特性、电路布局、应用实例以及设计规则。
ISAR成像技术两篇好论文
逆合成孔径雷达成像方面一篇著名博士论文,汪玲博士论文,
用 Request.UserHostAddress 获取客户端地址,靠不靠谱?
用page.Request.UserHostAddress获取的客户端,能不能被客户端造假?rnrn代理不是问题,用代理上也是有IP的。是问能不能造假,比如我随便写个字符串就可以赋值给page.Request.UserHostAddress
为什么测试的TCMalloc不靠谱,性能反而差了
不说话,直接上码:rn不说话,直接上码:rn#include "stdafx.h"rn#include rn#include rnrn#ifdef _DEBUGrn#pragma comment(lib, "libtcmalloc_minimal-debug.lib")rn#elsern#pragma comment(lib, "libtcmalloc_minimal.lib")rnrn#endifrnrnint _tmain(int argc, _TCHAR* argv[])rnrnrnrn DWORD pre = GetTickCount();rn int i;rn for ( i=0; i<
j2ee框架做通讯接入,靠不靠谱?
我这个系统,有块通讯接入,一些终端设备通过无线网络(GPRS)接入到系统,采用TCP协议,终端数量很大,交互的数据量比较小,因为终端数量多,所以服务端并发处理需要能力比较强rn现在选择MINA框架做这个接入,不知道这个框架是否适合?或者高人是否还有更好的方案?rnrn另外,通讯接入程序收到终端的数据后,要第一时间通知一个采用VB语言开发的应用服务器,这个通知,用什么方式实现比较好?共享数据库方式?还是自己开发SOCKET的接口比较好?还是有更好的方式?
dubbo-admin部署亲测
最近学习dubbo下载了好多都<em>不靠</em>谱,自己下载源码后打包的一个比较好用,希望大家可以有用,访问地址:http://localhost:8080/dubbo-admin-2.5.8
游戏引擎架构PDF带索引 分卷1 无需密码 请看说明
上次百度云挂了,真TM<em>不靠</em>谱。于是还是来上传分卷了,照样不要分 分卷2地址:http://download.csdn.net/detail/baidu_17713941/9596398
Android 雷电 飞机 游戏图片资源
这些资源有很多,很全,好多都是 自己找人PS过来的 在其他网上搜到的基本<em>不靠</em>谱,这里的资源基本上满足飞机游戏的需求
H3CNE-GB0-190题库(附答案详解)
H3CNE-GB0-190题库(附答案详解),这个是网上找的,虽说有详解,但是感觉好多都<em>不靠</em>谱,请读者自己斟酌
C#大容量文件上传实例
由于微软的上传控件<em>不靠</em>谱,当文件容量大于20M的时候,上传操作都会失败,本资源使用第三方插件 NeatUpload.dll 完成大容量文件的上传,并有进度提示。
图片处理工具
百度搜了一堆图片合并的资料,基本上都是横向合并,纵向合并都<em>不靠</em>谱,所以自己改装了一下,可以实现纵向合并
招人半个月,一个没招来,各种不靠
招人真麻烦,半月了一个没招来,毕业一年的本科生要6000,给6000还突然就不来了,即便在北京这个价也不算低吧?关键你能力强的话给你高的,你做了一年C++开发,连类的成员变量要写private中都不知道,连包含文件能前向声明的要放在源文件中都不知道,连类的覆盖都不知道,还要6000嫌少,是我的价钱观过时了,还是很多人根本不知道自己真是价值啊。就看了几页C++书就看不下去,C++几乎一窍不通了,就会用个Qt开发工具拖拖界面,写写简单的代码,都开口要七八千,难道我真的过时了?要不是实在缺Qt人手,光看着C++,你要3000我也不想要。 rnrn 招人招了一肚子火,发发牢骚
“用自己最熟悉的兵”其实好像貌似不靠
“用自己最熟悉的兵”其实好像貌似<em>不靠</em>谱。rnrn在[url=http://topic.csdn.net/u/20100106/16/e4e55733-f1f3-4fca-97da-b5992b5dbd95.html]这个帖子[/url]里讨论过对第三方控件的使用的考虑,其中myjian的观点“用自己最熟悉的兵”得到普遍支持。rnrn今天想了想,这里有点问题,这就像刚出校门的大学生找工作一样,所有的工作岗位都要求有工作经验,因此找不到工作,因此永远没有经验,因为永远找不到工作。rnrn第三方控件也是,如果没在工作中大规模地用过它,就不可能把它培养成自己最熟悉的兵,而不熟悉的话就永远不会大规模地使用它,因此永远也不会熟悉它,因此永远不会真正用它。。。rnrnrn[img=http://forum.csdn.net/PointForum/ui/scripts/csdn/Plugin/003/onion/3.gif][/img]rn
用C#开发安卓到底靠不靠
vs2015马上要出了,据说也支持android开发了,那大家觉得用C#开发android到底靠<em>不靠</em>谱,有没有什么比较大的缺陷
求助 使用GetProcessMemoryInfo获得的峰值内存数字不靠
主要代码如下rn[code=C/C++]rn DWORD time1;rn DWORD timepast;rn PROCESS_MEMORY_COUNTERS pmc;rn if(!CreateProcess(0,exepath,NULL,NULL,rn TRUE,0,NULL,buffer,&sui2,&pi2))rn rn GetDlgItemText(IDC_EDIT_RESULT,str);rn tstr.Format(_T("Runtime Error\r\n"));rn str+=tstr;rn SetDlgItemText(IDC_EDIT_RESULT,str);rn DeleteFile(obuf);rn DeleteFile(ibuf);rn DeleteFile(exepath);rn continue;rn rn elsern rn time1=GetTickCount(); rn if(WAIT_TIMEOUT == WaitForSingleObject(pi2.hProcess,m_timelimit))rn rn TerminateProcess(pi2.hProcess,0);rn GetDlgItemText(IDC_EDIT_RESULT,str);rn tstr.Format(_T("Time Limit Exceeded\r\n"));rn str+=tstr;rn SetDlgItemText(IDC_EDIT_RESULT,str);rn DeleteFile(obuf);rn DeleteFile(ibuf);rn continue;rn rn timepast=GetTickCount()-time1;rn GetProcessMemoryInfo(pi2.hProcess,&pmc,sizeof(pmc));//获得内存就是这里rn CloseHandle(pi2.hProcess); rn CloseHandle(pi2.hThread);rn rn if(CompareOneFileWithAnother(osource,obuf))rn rn GetDlgItemText(IDC_EDIT_RESULT,str);rn tstr.Format(_T("Accepted(%ld ms,%luKB)\r\n"),timepast,pmc.PeakWorkingSetSize/1024);rn str+=tstr;rn SetDlgItemText(IDC_EDIT_RESULT,str);rn DeleteFile(obuf);rn DeleteFile(ibuf);rn rn[/code]rn我这样获得的内存跟我从任务管理器中看到的内存差了很多 差不多10倍 这是为什么?
JAVACRC16标准校验CCITT
标准的CCITT校验,CRC16位码,很准确,网上找的好多都<em>不靠</em>谱,这个是经过多伦测试出的结果,和C通信校验完全一致
Android secret code
Android studio亲试,因网页写的都<em>不靠</em>谱所以自己写的,源码工程,拨号键盘输入*#*#8888#*#*即可启动到APP,注:app要在后台运行
女生学VBNET是不是不靠谱啊,求教一个字符分离问题
用户输入一个字符串,有数字啦,汉字啦,字母啦,然后分别输出来,有这么困难么?各路大神求救
数据挖掘_概念与技术(中文第3版).pdf
数据挖掘_概念与<em>技术</em>(中文第3版).pdf,本人还有其他各种高清pdf资源,查看我账号下载
复倒谱技术
复倒谱的原理与计算及其MATLAB仿真程序,复倒谱<em>技术</em>
Node Web PDF
Node 开发 PDF <em>中文版</em> 第一本Node.js<em>技术</em>书
Web服务:原理和技术的原书课件,不多得。
机械工业出版社,Web服务:原理和<em>技术</em>的原书课件,<em>中文版</em>。
数据挖掘:概念与技术(中文第三版).pdf
数据挖掘:概念与<em>技术</em>(中文第三版).pdf 个人收集电子书,仅用学习使用,不可用于商业用途,如有版权问题,请联系删除!
各位牛人,小弟想自学PHP,完全自学是不是不靠谱?
各位大牛,小弟想学习做网站,我有一点编程基础,现在在自学PHP。我想请教一下:<em>是不是</em>必须要到正规的公司里,参与到公司的项目中才能学好?如果没有正规项目组里的牛人指点,会不会走很多弯路?完全自学会不会学的很不专业?谢谢!
计算机类发明技术交底书范例
写专利用的,一般都要先写个交底书,这里提供一个范例,供大家参考使用。我们公司写交底书都是参考这个,所以专业性,规范性完全没有问题,希望对大家有用
大家帮忙看看这样的MPI并行提速靠不靠谱.
刚才在外文文献上看到有人用MPI进行水动力学并行计算的,2个核心的计算速度竟然1个核心的2倍多,我有点不相信. rn来源为正规的SCI检索的期刊:INTERNATIONAL JOURNAL FOR NUMERICAL METHODS IN FLUIDS,rn文章名:Parallel implementation of a non-hydrostatic model for free surface rn flows with semi-Lagrangian advection treatment rnrnBy using the state-of-the art parallel compute servers of the BAW,shared-memory SGI Altix machines with 1600 Mhz Intel Itanium-2 procesors with 6 MB secondary cache. rn核心数目 耗时[s] rn1 11952.4 rn2 5721.1 rn4 2721.5 rn8 1351.8 rn16 641.9 rn32 303.3 rn64 145.9 rn96 95.0 rn128 73.0rnrnrn我的模型与他类似。 (以下的内容刚刚贴过,转过来便于比较)rn水动力学模型,服务器R900,测试计算耗时统计(单位:秒) rn(1)最开始的测试    rn线程数目 intel-x86 intel-x64 MS-x86 MS-x64 rn1 88.405 71.682 223.049 259.475 rn4 34.539 29.406 80.574 91.509 rn6 26.583 22.963 59.452 67.86 rn24 15.304 13.619 30.092 32.214 rn(2)使用Vtune分析, 优化Openmp,并使用intel编译器优化选项后的效果rn(主要是把程序里原来疏漏并行的部分,重新设置了并行;把有些计算量大的程序简洁化了;rn然后设置了Inline Function extension -> Default,interprocedual Optimization ->Qipo等) rnrn线程数目 intel-i386 intel-x64 rn1 67.642 65.926 rn4 24.032 (未测) rn6 18.7356 (未测) rn24 9.7859 9.0636
PHP gb2312 转为utf-8 不使用iconv,这个不靠
iconv("GB2312", "UTF-8//IGNORE",$str);rn容易丢字,不稳定,如果没“//IGNORE”,出错后面就直接不显示了。rn还有其他可行的方法么?
请教高手,这些东西靠不靠谱(红色字体)?
数据库的开发者是否可以给出这样的数据,根据业务特点估算业务的TPM数值,(这样可以给出硬件配置建议)rn数据库开发者是否能够估算红体部分的内容.rn蓝体部分的有没有道理?rnrn1. 数据库服务器rn1.1. TPCC值估算rn约定:rn系统同时在线用户数为100人(U1); rn[color=#FF0000]平均每个用户每分钟发出2次业务请求(N1);rn系统发出的业务请求中,更新、查询、统计各占1/3;rn平均每次更新业务产生3个事务(T1);rn平均每次查询业务产生8个事务(T2);rn平均每次统计业务产生13个事务(T3);[/color]一天内忙时的处理量为平均值的5倍;rn[color=#0000FF]经验系数为1.6;(实际工程经验)rn考虑服务器保留30%的冗余;rn服务器需要的处理能力为:rnTPC-C=U1*N1*(T1 T2 T3)/3*3*经验系数/冗余系数 rn则数据库服务器的处理性能估算为:rnTPC-C= 100*2*(3 8 13)/3*5*1.6/0.7= 18,285 TPM [/color]rnrn
用servlet加jdbc开发网站真的不靠谱吗
是的,就是做网站。一两个月一个。用servlet加jdbc就不行吗?传参的话就用common包的bean填充简单自动转换类型,然后el表达式不就行了,json用Gson为什么一定要用Struts2或spring mvc呢,难道servlet就是个废物?jdbc用个c3p0,就是写sql麻烦点,事务try catch也没多复杂,复制粘贴就好了,最后只关闭conrn这一套也几乎万能了,报错也好解决,不像框架,一个错半天搞
第一本无人驾驶技术书 pdf 带书签
第一本无人驾驶<em>技术</em>书。讲述无人驾驶<em>技术</em>中的一些<em>技术</em>。包括机器学习、计算机视觉
数据挖掘:概念与技术原书第3版(中文)_高清扫描版
数据挖掘 概念与<em>技术</em> 第三版<em>中文版</em> pdf 出版者的话 <em>中文版</em>序 译者序 译者简介 第3版序 第2版序 前言 致谢 作者简介 第1章 引论 1.1 为什么进行数据挖掘 1.1.1 迈向信息时代 1.1.2 数据挖掘是信息<em>技术</em>的进化 1.2 什么是数据挖掘 1.3 可以挖掘什么类型的数据 1.3.1 数据库数据 1.3.2 数据仓库 1.3.3 事务数据 1.3.4 其他类型的数据 1.4 可以挖掘什么类型的模式 1.4.1 类/概念描述:特征化与区分 1.4.2 挖掘频繁模式、关联和相关性 1.4.3 用于预测分析的分类与回归 1.4.4 聚类分析 1.4.5 离群点分析 1.4.6 所有模式都是有趣的吗 1.5 使用什么<em>技术</em> 1.5.1 统计学 1.5.2 机器学习 1.5.3 数据库系统与数据仓库 1.5.4 信息检索 1.6 面向什么类型的应用 1.6.1 商务智能 1.6.2 Web搜索引擎 1.7 数据挖掘的主要问题 1.7.1 挖掘方法 1.7.2 用户界面 1.7.3 有效性和可伸缩性 1.7.4 数据库类型的多样性 1.7.5 数据挖掘与社会 1.8 小结 1.9 习题 1.10 文献注释 第2章 认识数据 2.1 数据对象与属性类型 2.1.1 什么是属性 2.1.2 标称属性 2.1.3 二元属性 2.1.4 序数属性 2.1.5 数值属性 2.1.6 离散属性与连续属性 2.2 数据的基本统计描述 2.2.1 中心趋势度量:均值、中位数和众数 2.2.2 度量数据散布:极差、四分位数、方差、标准差和四分位数极差 2.2.3 数据的基本统计描述的图形显示 2.3 数据可视化 2.3.1 基于像素的可视化<em>技术</em> 2.3.2 几何投影可视化<em>技术</em> 2.3.3 基于图符的可视化<em>技术</em> 2.3.4 层次可视化<em>技术</em> 2.3.5 可视化复杂对象和关系 2.4 度量数据的相似性和相异性 2.4.1 数据矩阵与相异性矩阵 2.4.2 标称属性的邻近性度量 2.4.3 二元属性的邻近性度量 2.4.4 数值属性的相异性:闵可夫斯基距离 2.4.5 序数属性的邻近性度量 2.4.6 混合类型属性的相异性 2.4.7 余弦相似性 2.5 小结 2.6 习题 2.7 文献注释 第3章 数据预处理 3.1 数据预处理:概述 3.1.1 数据质量:为什么要对数据预处理 3.1.2 数据预处理的主要任务 3.2 数据清理 3.2.1 缺失值 3.2.2 噪声数据 3.2.3 数据清理作为一个过程 3.3 数据集成 3.3.1 实体识别问题 3.3.2 冗余和相关分析 3.3.3 元组重复 3.3.4 数据值冲突的检测与处理 3.4 数据归约 3.4.1 数据归约策略概述 3.4.2 小波变换 3.4.3 主成分分析 3.4.4 属性子集选择 3.4.5 回归和对数线性模型:参数化数据归约 3.4.6 直方图 3.4.7 聚类 3.4.8 抽样 3.4.9 数据立方体聚集 3.5 数据变换与数据离散化 3.5.1 数据变换策略概述 3.5.2 通过规范化变换数据 3.5.3 通过分箱离散化 3.5.4 通过直方图分析离散化 3.5.5 通过聚类、决策树和相关分析离散化 3.5.6 标称数据的概念分层产生 3.6 小结 3.7 习题 3.8 文献注释 第4章 数据仓库与联机分析处理 4.1 数据仓库:基本概念 4.1.1 什么是数据仓库 4.1.2 操作数据库系统与数据仓库的区别 4.1.3 为什么需要分离的数据仓库 4.1.4 数据仓库:一种多层体系结构 4.1.5 数据仓库模型:企业仓库、数据集市和虚拟仓库 4.1.6 数据提取、变换和装入 4.1.7 元数据库 4.2 数据仓库建模:数据立方体与OLAP 4.2.1 数据立方体:一种多维数据模型 4.2.2 星形、雪花形和事实星座:多维数据模型的模式 4.2.3 维:概念分层的作用 4.2.4 度量的分类和计算 4.2.5 典型的OLAP操作 4.2.6 查询多维数据库的星网查询模型 4.3 数据仓库的设计与使用 4.3.1 数据仓库的设计的商务分析框架 4.3.2 数据仓库的设计过程 4.3.3 数据仓库用于信息处理 4.3.4 从联机分析处理到多维数据挖掘 4.4 数据仓库的实现 4.4.1 数据立方体的有效计算:概述 4.4.2 索引OLAP数据:位图索引和连接索引 4.4.3 OLAP查询的有效处理 4.4.4 OLAP服务器结构:ROLAP、MOLAP、HOLAP的比较 4.5 数据泛化:面向属性的归纳 4.5.1 数据特征的面向属性的归纳 4.5.2 面向属性归纳的有效实现 4.5.3 类比较的面向属性归纳 4.6 小结 4.7 习题 4.8 文献注释 第5章 数据立方体<em>技术</em> 5.1 数据立方体计算:基本概念 5.1.1 立方体物化:完全立方体、冰山立方体、闭立方体和立方体外壳 5.1.2 数据立方体计算的一般策略 5.2 数据立方体计算方法 5.2.1 完全立方体计算的多路数组聚集 5.2.2 BUC:从顶点方体向下计算冰山立方体 5.2.3 Star-Cubing:使用动态星树结构计算冰山立方体 5.2.4 为快速高维OLAP预计算壳片段 5.3 使用探索立方体<em>技术</em>处理高级查询 5.3.1 抽样立方体:样本数据上基于OLAP的挖掘 5.3.2 排序立方体:top-k查询的有效计算 5.4 数据立方体空间的多维数据分析 5.4.1 预测立方体:立方体空间的预测挖掘 5.4.2 多特征立方体:多粒度上的复杂聚集 5.4.3 基于异常的、发现驱动的立方体空间探查 5.5 小结 5.6 习题 5.7 文献注释 第6章 挖掘频繁模式、关联和相关性:基本概念和方法 6.1 基本概念 6.1.1 购物篮分析:一个诱发例子 6.1.2 频繁项集、闭项集和关联规则 6.2 频繁项集挖掘方法 6.2.1 Apriori算法:通过限制候选产生发现频繁项集 6.2.2 由频繁项集产生关联规则 6.2.3 提高Apriori算法的效率 6.2.4 挖掘频繁项集的模式增长方法 6.2.5 使用垂直数据格式挖掘频繁项集 6.2.6 挖掘闭模式和极大模式 6.3 哪些模式是有趣的:模式评估方法 6.3.1 强规则不一定是有趣的 6.3.2 从关联分析到相关分析 6.3.3 模式评估度量比较 6.4 小结 6.5 习题 6.6 文献注释 第7章 高级模式挖掘 7.1 模式挖掘:一个路线图 7.2 多层、多维空间中的模式挖掘 7.2.1 挖掘多层关联规则 7.2.2 挖掘多维关联规则 7.2.3 挖掘量化关联规则 7.2.4 挖掘稀有模式和负模式 7.3 基于约束的频繁模式挖掘 7.3.1 关联规则的元规则制导挖掘 7.3.2 基于约束的模式产生:模式空间剪枝和数据空间剪枝 7.4 挖掘高维数据和巨型模式 7.5 挖掘压缩或近似模式 7.5.1 通过模式聚类挖掘压缩模式 7.5.2 提取感知冗余的top-k模式 7.6 模式探索与应用 7.6.1 频繁模式的语义注解 7.6.2 模式挖掘的应用 7.7 小结 7.8 习题 7.9 文献注释 第8章 分类:基本概念 8.1 基本概念 8.1.1 什么是分类 8.1.2 分类的一般方法 8.2 决策树归纳 8.2.1 决策树归纳 8.2.2 属性选择度量 8.2.3 树剪枝 8.2.4 可伸缩性与决策树归纳 8.2.5 决策树归纳的可视化挖掘 8.3 贝叶斯分类方法 8.3.1 贝叶斯定理 8.3.2 朴素贝叶斯分类 8.4 基于规则的分类 8.4.1 使用IF-THEN规则分类 8.4.2 由决策树提取规则 8.4.3 使用顺序覆盖算法的规则归纳 8.5 模型评估与选择 8.5.1 评估分类器性能的度量 8.5.2 保持方法和随机二次抽样 8.5.3 交叉验证 8.5.4 自助法 8.5.5 使用统计显著性检验选择模型 8.5.6 基于成本效益和ROC曲线比较分类器 8.6 提高分类准确率的<em>技术</em> 8.6.1 组合分类方法简介 8.6.2 装袋 8.6.3 提升和AdaBoost 8.6.4 随机森林 8.6.5 提高类不平衡数据的分类准确率 8.7 小结 8.8 习题 8.9 文献注释 第9章 分类:高级方法 9.1 贝叶斯信念网络 9.1.1 概念和机制 9.1.2 训练贝叶斯信念网络 9.2 用后向传播分类 9.2.1 多层前馈神经网络 9.2.2 定义网络拓扑 9.2.3 后向传播 9.2.4 黑盒内部:后向传播和可解释性 9.3 支持向量机 9.3.1 数据线性可分的情况 9.3.2 数据非线性可分的情况 9.4 使用频繁模式分类 9.4.1 关联分类 9.4.2 基于有区别力的频繁模式分类 9.5 惰性学习法(或从近邻学习) 9.5.1 k-最近邻分类 9.5.2 基于案例的推理 9.6 其他分类方法 9.6.1 遗传算法 9.6.2 粗糙集方法 9.6.3 模糊集方法 9.7 关于分类的其他问题 9.7.1 多类分类 9.7.2 半监督分类 9.7.3 主动学习 9.7.4 迁移学习 9.8 小结 9.9 习题 9.10 文献注释 第10章 聚类分析:基本概念和方法 10.1 聚类分析 10.1.1 什么是聚类分析 10.1.2 对聚类分析的要求 10.1.3 基本聚类方法概述 10.2 划分方法 10.2.1 k-均值:一种基于形心的<em>技术</em> 10.2.2 k-中心点:一种基于代表对象的<em>技术</em> 10.3 层次方法 10.3.1 凝聚的与分裂的层次聚类 10.3.2 算法方法的距离度量 10.3.3 BIRCH:使用聚类特征树的多阶段聚类 10.3.4 Chameleon:使用动态建模的多阶段层次聚类 10.3.5 概率层次聚类 10.4 基于密度的方法 10.4.1 DBSCAN:一种基于高密度连通区域的基于密度的聚类 10.4.2 OPTICS:通过点排序识别聚类结构 10.4.3 DENCLUE:基于密度分布函数的聚类 10.5 基于网格的方法 10.5.1 STING:统计信息网格 10.5.2 CLIQUE:一种类似于Apriori的子空间聚类方法 10.6 聚类评估 10.6.1 估计聚类趋势 10.6.2 确定簇数 10.6.3 测定聚类质量 10.7 小结 10.8 习题 10.9 文献注释 第11章 高级聚类分析 11.1 基于概率模型的聚类 11.1.1 模糊簇 11.1.2 基于概率模型的聚类 11.1.3 期望最大化算法 11.2 聚类高维数据 11.2.1 聚类高维数据:问题、挑战和主要方法 11.2.2 子空间聚类方法 11.2.3 双聚类 11.2.4 维归约方法和谱聚类 11.3 聚类图和网络数据 11.3.1 应用与挑战 11.3.2 相似性度量 11.3.3 图聚类方法 11.4 具有约束的聚类 11.4.1 约束的分类 11.4.2 具有约束的聚类方法 11.5 小结 11.6 习题 11.7 文献注释 第12章 离群点检测 12.1 离群点和离群点分析 12.1.1 什么是离群点 12.1.2 离群点的类型 12.1.3 离群点检测的挑战 12.2 离群点检测方法 12.2.1 监督、半监督和无监督方法 12.2.2 统计方法、基于邻近性的方法和基于聚类的方法 12.3 统计学方法 12.3.1 参数方法 12.3.2 非参数方法 12.4 基于邻近性的方法 12.4.1 基于距离的离群点检测和嵌套循环方法 12.4.2 基于网格的方法 12.4.3 基于密度的离群点检测 12.5 基于聚类的方法 12.6 基于分类的方法 12.7 挖掘情境离群点和集体离群点 12.7.1 把情境离群点检测转换成传统的离群点检测 12.7.2 关于情境对正常行为建模 12.7.3 挖掘集体离群点 12.8 高维数据中的离群点检测 12.8.1 扩充的传统离群点检测 12.8.2 发现子空间中的离群点 12.8.3 高维离群点建模 12.9 小结 12.10 习题 12.11 文献注释 第13章 数据挖掘的发展趋势和研究前沿 13.1 挖掘复杂的数据类型 13.1.1 挖掘序列数据:时间序列、符号序列和生物学序列 13.1.2 挖掘图和网络 13.1.3 挖掘其他类型的数据 13.2 数据挖掘的其他方法 13.2.1 统计学数据挖掘 13.2.2 关于数据挖掘基础的观点 13.2.3 可视和听觉数据挖掘 13.3 数据挖掘应用 13.3.1 金融数据分析的数据挖掘 13.3.2 零售和电信业的数据挖掘 13.3.3 科学与工程数据挖掘 13.3.4 入侵检测和预防数据挖掘 13.3.5 数据挖掘与推荐系统 13.4 数据挖掘与社会 13.4.1 普适的和无形的数据挖掘 13.4.2 数据挖掘的隐私、安全和社会影响 13.5 数据挖掘的发展趋势 13.6 小结 13.7 习题 13.8 文献注释 参考文献 索引
高斯伪谱法的直白详细介绍 入门请看
高斯伪谱法的直白详细介绍 入门请看 高斯伪谱法的直白详细介绍 入门请看
操作系统原理中文版
操作系统原理<em>中文版</em> 书 操作系统原理<em>中文版</em> 书 操作系统原理<em>中文版</em> 书
第一本无人驾驶技术书(By 刘少山)(原版pdf)
第一本无人驾驶<em>技术</em>书(作者: 刘少山)(原版 pdf,画质清晰)
技术交底书
专利<em>技术</em>必备,<em>技术</em>准备、<em>技术</em>创新与<em>技术</em>保护;<em>技术</em>交底书直接影响专利的撰写速度,而<em>技术</em>交底书的提供状态稳定客源存在一定的影响:要求客户写的资料少,客户自然喜欢,但直接影响撰写速度;这是一个矛盾统一体。
谱方法:算法、分析和应用Spectral methods algorithms, analysis and application
沈捷 汤涛写的谱方法方面的书,对谱方法的编程计算非常的实用。
SPECTRAL GRAPH THEORY 经典的 谱图理论书前四章内容
SPECTRAL GRAPH THEORY 经典的 谱图理论书前四章内容,非常详细,是学习 谱图理论的很好的参考书
《第一本无人驾驶书》高清PDF
本书是深入浅出地呈现了无人驾驶系统,包括定位与感知算法、决策与控制算法、深度学习在无人驾驶中的应用,设计了无人驾驶的每个<em>技术</em>点,可以在短时间内对无人驾驶有很好的了解! 强烈推荐!
FreeImage 英文文档
FreeImage的英文文档,感觉比<em>中文版</em>的文档靠谱哇
威谱wave plus TDMx2000技术手册V1.0.pdf
威谱wave plus TDMx2000<em>技术</em>手册V1.0.pdf 威谱 wave plus TDMx2000 说明书
扒谱软件Transcribe! 7.31.0 汉化版
扒谱软件Transcribe! 7.31.0 汉化版
阻抗谱基本理论
阻抗谱的基本理论知识,让你完全掌握阻抗谱<em>技术</em>,完全从零学起。
威谱TDMx2000技术手册
威谱数字电话交换机系统TDMx2000<em>技术</em>手册
经典收藏Beyond乐队吉他谱全集
经典收藏Beyond乐队吉他谱全集,共251个谱,全都都GP5文档。
编译原理 技术工具 第三版 紫龙书
编译原理中文文档,比较适合刚开始学编译原理的爱好者,或学生
Deep learning 中文版
<em>中文版</em>花书,亲测可用/<em>中文版</em>花书,亲测可用/<em>中文版</em>花书,亲测可用
数据挖掘:概念与技术 第3版(带书签)
数据挖掘:概念与<em>技术</em>(<em>中文版</em>)第3版 带书签
【龙书】编译原理原则、技术和工具(中文版
这就是传说中的龙书《Compilers Principles Techniques and Tools》第二版的<em>中文版</em>,pdf格式,不是很清晰,也无目录,将就着看吧,不行就自己添加目录
快速峭度普
利用快速峭度谱实现对故障信号的特征提取,对故障诊断十分有效
Fan R. K. Chung Spectral Graph Theory谱图理论教材
Spectral graph theory谱图理论经典教材,帮助理解谱聚类的原理
语音合成\基于matlab语音短时频谱分析,到谱分析,语谱图分析及结果-.rar
语音合成\基于matlab语音短时频谱分析,到谱分析,语谱图分析及结果-.rar
第一本无人驾驶技术书 pdf版本
无人驾驶是一个复杂的系统,涉及的<em>技术</em>点种类多且跨度大,入门者常常不知从何入手。《第一本无人驾驶<em>技术</em>书》首先宏观地呈现了无人驾驶的整体<em>技术</em>架构,概述了无人驾驶中涉及的各个<em>技术</em>点。在读者对无人驾驶<em>技术</em>有了宏观认识后,《第一本无人驾驶<em>技术</em>书》深入浅出地讲解了无人驾驶定位导航、感知、决策与控制等算法,深度学习在无人驾驶中的应用,无人驾驶系统软件和硬件平台,无人驾驶安全及无人驾驶云平台等多个主要<em>技术</em>点。《第一本无人驾驶<em>技术</em>书》的作者都是无人驾驶行业的从业者与研究人员,有着多年无人驾驶及人工智能<em>技术</em>的实战经验。
基于小波变换的功率谱估计
利用小波变换的原理进行功率谱估计,包括经典功率谱估计和现代功率谱估计的主要方法MATLAB仿真,小波变换的分解重构和小波包变换的内容。
代码大全,中文版,doc格式
代码大全<em>中文版</em>,doc格式,你们<em>是不是</em>找了很久了
[龙书]编译原理技术与工具 (详细书签扫描版)
网上能找到龙书<em>中文版</em>多为扫描版,并且没有书签。于是在一个扫描版本的基础上我增加了书签,方便使用。 这本书虽然只有12章,但各章节分支庞大,不比制作鲸书书签简单,估计制作耗时3~4小时,难怪之前的版本没见到书签啊。 使用的源版本没有封面,我东拼西凑,用Foxit PDF Page Organizer增加了封面,虽然还不是很完美,与第2页不对齐,但自己动手的感觉还不错。这个工具可以增删PDF书页,可以使书签转换为默认折叠,转换时有错误提示,转换后需要核对下书签效果,一会也分享下。 版本缺点:扫描版不是高清,文字色泽较淡;部分页最后一行或开头一行不全,但不影响一般阅读。 版本优点:带详细书签;书签默认折叠。 另外,若是有更清晰的版本请留言,在有了书签的基础上再制作的话耗时应当可以接受。
22本最新IT技术书籍
22本最新IT<em>技术</em>书籍22本最新IT<em>技术</em>书籍22本最新IT<em>技术</em>书籍
Agile(Scrum&XP)实践-中文版
讲Scrum和XP最好的书了,<em>中文版</em> 讲Scrum和XP最好的书了,<em>中文版</em> 讲Scrum和XP最好的书了,<em>中文版</em> 讲Scrum和XP最好的书了,<em>中文版</em>
Struts In Action(中文版).pdf
Struts In Action(<em>中文版</em>).pdf 入门可以,<em>是不是</em>老了一些呢
CAN总线技术的总结
can入门书, can总线<em>技术</em>,can总线协议<em>中文版</em>,can控制芯片等can总线总结
C Primer Plus(第五版)中文版
C Primer Plus(第五版)<em>中文版</em> 非常好的<em>技术</em>书,希望能够帮助大家
中文版PHOTOSHOP CC技术大全 pdf电子书
<em>中文版</em>PHOTOSHOP CC<em>技术</em>大全978-7-115-35822-6_13652992
项目软件招标项目技术规格书模板
参加投标供应商需保证所提供产品符合本次招标要求及国家相关产品,符合ISO质量体系认证、售后服务<em>技术</em>支持,具备知识产权保障的最新质量标准的产品软件。
最新最全谱图线切割
线切割<em>技术</em>的革新软件最全谱图···送给需要的人
matlab7.0 统计信息处理
介绍了在matlab中利用高级谱处理信号的相关<em>技术</em>
应用声学基础:实轴积分法及二维谱技术
应用声学基础:实轴积分法及二维谱<em>技术</em> 天津大学出版社
第一本无人驾驶技术
《第一本无人驾驶<em>技术</em>书》从实用的角度出发,以期帮助对无人驾驶<em>技术</em>感兴趣的从业者与相关人士实现对无人驾驶行业的快速入门,以及对无人驾驶<em>技术</em>的深度理解与应用实践。侵权删
阿里技术书系列高清(Java开发手册终极版1.3.0、淘宝技术这十年、双11电子书)
阿里巴巴Java开发手册(终极版1.3.0)、淘宝<em>技术</em>这十年、双11电子书_不一样的<em>技术</em>创新三本打包下载,均为高清文字版
韩顺平 泰牛程序员 大型门户网站Mysql优化技术
韩顺平,毕业于清华大学,国内著名的软件培训高级讲师,先后在新浪、点击科技、用友就职。 主持或参与《新浪邮件系统》、《橙红sns(社会化网络)网站》、《点击科技协同软件群组服务器端(Linux/solaris平台)》、《国家总参语音监控系统》、《英语学习机系统》、《用友erp(u8产品)系统》等项目。实战经验丰富,授课耐心细致,通俗易懂,勇于实践,勤于创新,授课风格贴近生活,授课语言生动风趣,多年来培训的学员已成功在用友、搜狐、淘宝、中软等知名企业就职[1] 。
现代通信干扰原理与技术
系统地介绍了现代抗干扰通信<em>技术</em>(主要是直接序列扩谱和跳频扩谱)和抗干扰通信的检测<em>技术</em>,讨论了每一种基本抗干扰信号类型的干扰<em>技术</em>,包括干扰直接序列扩谱信号、干扰快跳频扩谱信号、干扰慢跳频扩谱信号和干扰直接序列扩谱/跳频扩谱混合信号。该书的读者对象是电子战和通信对抗领域的工程师和科技工作者,也可供通信领域的科技工作者参考。
一个声音模块的C语言实现
用C语言识别的语音识别,隐马尔可夫模型(HMM)<em>技术</em>,以及线性预测倒谱计算和矢量量化<em>技术</em>
Hibernate技术手册中文版
Hibernate<em>技术</em>手册<em>中文版</em>Hibernate<em>技术</em>手册<em>中文版</em>Hibernate<em>技术</em>手册<em>中文版</em>Hibernate<em>技术</em>手册<em>中文版</em>Hibernate<em>技术</em>手册<em>中文版</em>
第一本无人驾驶技术书. 高清(带目录)PDF
出版时间:2017年5月。 内容简介: 无人驾驶是一个复杂的系统,涉及的<em>技术</em>点种类多且跨度大,入门者常常不知从何入手。《第一本无人驾驶<em>技术</em>书》首先宏观地呈现了无人驾驶的整体<em>技术</em>架构,概述了无人驾驶中涉及的各个<em>技术</em>点。在读者对无人驾驶<em>技术</em>有了宏观认识后,《第一本无人驾驶<em>技术</em>书》深入浅出地讲解了无人驾驶定位导航、感知、决策与控制等算法,深度学习在无人驾驶中的应用,无人驾驶系统软件和硬件平台,无人驾驶安全及无人驾驶云平台等多个主要<em>技术</em>点。《第一本无人驾驶<em>技术</em>书》的作者都是无人驾驶行业的从业者与研究人员,有着多年无人驾驶及人工智能<em>技术</em>的实战经验。 《第一本无人驾驶<em>技术</em>书》从实用的角度出发,以期帮助对无人驾驶<em>技术</em>感兴趣的从业者与相关人士实现对无人驾驶行业的快速入门,以及对无人驾驶<em>技术</em>的深度理解与应用实践。
绝对成功的php在线解压程序
网上很多php解压压缩都<em>不靠</em>谱,这个绝对可以。 必须使用里面提供的压缩工具来压缩。不要直接传zip格式, 那个一般的程序解压不了。
dbvis9.2.7
比较方便的连接数据库的工具,之前也是找了好久,现在网上<em>不靠</em>谱的下载太多,这个版本能用,暂时没发现和注册破解之类的有什么区别,可能增删改查日常使用都可以吧。
Direct11龙书中文说明
适合 Direct11入门使用,一步一步解释、介绍龙书用例的步骤,慢慢提升。
Spectral Methods in MATLAB
谱方法的一本教程,书中配套matlab源码(可以网上下载,此处只有书)
编译原理原则技术和工具+.pdf 完整版
文件名称:编译原理原则<em>技术</em>和工具+.pdf 页码数:543 是否完整:完整版 是否有目录:否 内容简述: 编译原理,程序员必学的知识之一
成功交叉编译ffmpeg,sdl
成功交叉编译ffmpeg,sdl,移植S3c2440可成功运行,ffmpeg和sdl均为最新版,主要介绍./configure配置,网上帖子都<em>不靠</em>谱,折腾1星期才摸出来,希望有用。
文章热词 体感技术 帧内编码技术 体感技术视频教程 体感技术学习 体感技术课程
相关热词 c++ 书 android 谱图选择器‘’ c++11 书 bootstrap中文版 efron 靠谱的python培训班 python靠谱的培训班
我们是很有底线的