本文为周志华《机器学习》的学习笔记，记录了本人在学习这本书的过程中的理解思绪以及一些有助于消化书内容的拓展知识，笔记中参考了许多网上的大牛经典博客以及李航《统计学习》的内容，向前辈们和知识致敬！
2017/11/18 14:21:44
87KB
运用java开发言语idea开发工具，实现CPU简单功能。
适用于计算机专业高校在校生CPU课程设计参考。
适用于计算机专业高校在校生CPU课程设计参考。
2018/3/20 4:24:40
407KB
我在GitHub上找的开源的，跟唐宇di机器学习算法课程外面差不多，包含自定义的features，如prepare_fortraining,generate_polynomial,generate_sinusoids,normalize;fromutils.featuresimportprepare_for_training
2015/5/4 5:41:28
8.47MB
故障管理申报系统官方版v1.0系统引见：故障管理申报系统是一款非常不错的故障管理申报系统，也是我们现在经常使用到的故障申报系统，该系统采用了asp编写而成，喜欢的朋友可以下载学习看看。
系统使用说明：系统默认用户：admin密码：admin
系统使用说明：系统默认用户：admin密码：admin
2019/6/24 19:14:39
1.07MB
本文针对火灾报警系统问题，建立熵权-topsis逻辑回归等数学模型，旨在通过所建模型来选取可靠的探测器、提高报警准确率及改进各辖区综合管理水平，从而减少我国火灾事故。
针对问题一，首先根据地址、机号和回路，确定真实火灾数为418起。
接着根据题目要求，基于可靠性和故障率两个指标建立综合评价模型。
由于可靠性为效益型指标，而故障率为成本型指标，故将故障率通过数学公式转换为效益型指标，即完善率。
指标确定后，运用熵权法确定各指标权重，最后利用topsis法构建各类型部件评价模型，对16种部件进行综合评价，帮助政府选择最可靠的5种火灾探测器类型，分别为光束感烟、手动报警按钮、智能光电探头、点型感温探测器、线性光束感烟。
针对问题二，建立基于logistic回归的区域报警部件类型智能研判模型。
本文选择故障次数、消防大队及探测器类型3个变量作为自变量，误报与否作为因变量，将消防大队和探测器类型两个无序分类变量变为虚拟变量，利用logistic回归模型预测辖区内某类型部件发出报警信息正确的概率，经检验模型的真实性为。
经检验结果有所偏差，故进行模型优化用woe值代替原值计算，使得结果愈加真实可靠。
针对问题一，首先根据地址、机号和回路，确定真实火灾数为418起。
接着根据题目要求，基于可靠性和故障率两个指标建立综合评价模型。
由于可靠性为效益型指标，而故障率为成本型指标，故将故障率通过数学公式转换为效益型指标，即完善率。
指标确定后，运用熵权法确定各指标权重，最后利用topsis法构建各类型部件评价模型，对16种部件进行综合评价，帮助政府选择最可靠的5种火灾探测器类型，分别为光束感烟、手动报警按钮、智能光电探头、点型感温探测器、线性光束感烟。
针对问题二，建立基于logistic回归的区域报警部件类型智能研判模型。
本文选择故障次数、消防大队及探测器类型3个变量作为自变量，误报与否作为因变量，将消防大队和探测器类型两个无序分类变量变为虚拟变量，利用logistic回归模型预测辖区内某类型部件发出报警信息正确的概率，经检验模型的真实性为。
经检验结果有所偏差，故进行模型优化用woe值代替原值计算，使得结果愈加真实可靠。
2021/11/25 4:12:28
291KB
Skin++皮肤资源用于VC++界面丑化,在VC6.0下全部测试过.提示:要将这些*.ssk文件与执行文件放在同一目录下就可以看到效果
2021/11/3 7:11:44
15.6MB