基于克隆选择原理和免疫优势理论,本文提出一种新的基于免疫优势的克隆选择聚类算法(Immun-odomaincebasedClonalSelectionClusteringAlgorithm,IDCSCA),该算法通过在经典的克隆选择算法框架中,引入基于免疫优势理论的免疫优势算子实现了在线自适应动态获得先验知识和个体间的信息共享.新算法首先通过对群体中若干最优抗体的分析,提取免疫优势,然后将其推广到整个抗体群,通过在进化过程中利用积累的先验知识,在保证抗体种群多样性的基础上加快收敛速度.采用个5个数据集对算法功能进行了测试,与模糊C均值算法(FuzzyC-means,FCM)、基于遗传算法的模糊聚类算法(GeneticAlgorithmbasedFuzzyC-means,GAFCM)以及基于克隆选择的模糊聚类算法(ClonalSelectionAlgorithmbasedFuzzyC-means,CSAFCM)比较,结果表明IDCSCA能有效避免聚类中心迭代过程中陷入局部最优点的问题,而且聚类功能更稳定.
2023/2/14 23:49:41
672KB
1
WS374-2012卫生管理基本数据集:第1部分：卫生监督检查与行政处罚第2部分：卫生监督行政答应与登记第3部分：卫生监督监测与评价第4部分：卫生监督机构与人员
2023/2/13 7:25:35
5.87MB
1
我们将会使用在信誉评级建模中非常常用的德国信贷数据（Germancreditdataset）作为建模的数据集。
德国信贷数据共有1000条数据，每条数据20个特征。
这些特征包括AccountBalance（Checking账户余额）、Duration(DurationofCreditinmonth借款期限）、Paymentstatus（还款记录）等。
其中比较难以理解的指标是Instalmentpercent，其代表着Installmentrateinpercentageofdisposableincome（分期付款占可支配收入的百分比）。
德国信贷数据共有1000条数据，每条数据20个特征。
这些特征包括AccountBalance（Checking账户余额）、Duration(DurationofCreditinmonth借款期限）、Paymentstatus（还款记录）等。
其中比较难以理解的指标是Instalmentpercent，其代表着Installmentrateinpercentageofdisposableincome（分期付款占可支配收入的百分比）。
2023/2/13 1:34:58
246KB
1
当将现实世界的数据集拟合到特定类型的模型时，经常会遇到一个或一组观测值对模型拟合产生不当影响的情况，这可能导致误导性结论。
因此，数据分析人员有必要识别这些有影响的观察结果，并评估它们对模型拟合各个方面的影响。
在本文中，定义了一种类型的修正库克距离，以衡量一个或一组观测值对部分变系数模型中常数系数部分的估计的影响，并将库克距离表示为相应残差和杠杆作用。
同时，建议使用自举程序来得出建议的库克距离的参考值。
进行了一些模拟，并进一步分析了实际数据集，以检验所提出方法的功能。
实验结果令人满意。
因此，数据分析人员有必要识别这些有影响的观察结果，并评估它们对模型拟合各个方面的影响。
在本文中，定义了一种类型的修正库克距离，以衡量一个或一组观测值对部分变系数模型中常数系数部分的估计的影响，并将库克距离表示为相应残差和杠杆作用。
同时，建议使用自举程序来得出建议的库克距离的参考值。
进行了一些模拟，并进一步分析了实际数据集，以检验所提出方法的功能。
实验结果令人满意。
2023/2/12 12:07:25
186KB
1
用Python写了一个Apriori算法模块，测试数据用的是R里面的经典数据集Groceries.csv食品杂货店。
对该数据集进行关联分析，并对结果进行打印，分别输出了各项集情况，关联规则和最受欢迎的前五个商品。
大家可以根据本身的需求修改代码。
对该数据集进行关联分析，并对结果进行打印，分别输出了各项集情况，关联规则和最受欢迎的前五个商品。
大家可以根据本身的需求修改代码。
2023/2/12 10:39:37
132KB
1
包括两个文件，kmeans聚类算法cpp文件，和用于测试的鸢尾花数据集txt文件，代码带详细注释，简约明了，下载之后马上可以进行测试
2023/2/12 10:50:25
3KB
1
本文通过在几个基准数据集上进行实验，研究了旋转森林集成方法在提高基本预测变量解决回归问题的泛化能力方面的功能，并与Bagging，RandomForest，Adaboost.R2和a单一回归树。
还研究了轮作林对其所含参数选择的敏感性。
在考虑的回归数据集上，可以看到Adaboost.R2通常胜过RotationForest，并且两者都优于RandomForest和一棵树。
关于袋装和轮换林，似乎他们之间没有明显的赢家。
此外，修剪树似乎对所有考虑的方法的功能都有一些不良影响。
还研究了轮作林对其所含参数选择的敏感性。
在考虑的回归数据集上，可以看到Adaboost.R2通常胜过RotationForest，并且两者都优于RandomForest和一棵树。
关于袋装和轮换林，似乎他们之间没有明显的赢家。
此外，修剪树似乎对所有考虑的方法的功能都有一些不良影响。
2023/2/12 9:46:37
423KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB