115 源码网

资源名称：数据挖掘-概念模型方法和算法 第2版 内容简介： 随着数据集规模和复杂度的持续上升，分析员必须利用更高级的软件工具来执行间接的、自动的智能化数据分析。《数据挖掘：概念、模型、方法和算法(第2版)》介绍了通过分析高维数据空间中的海量原始数据来提取用于决策的新信息的尖端技术和方法。 本书开篇阐述数据挖掘原理，此后在示例的引导下详细讲解起源于统计学、机器学习、神经网络、模糊逻辑和演化计算等学科的具有代表性的、最前沿的挖掘方法和算法。本书还着重描述如何恰当地选择方法和数据分析软件并合理地调整参数。每章末尾附有复习题。 本书主要用作计算机科学、计算机工程和计算机信息系统专业的研究生数据挖掘教材，高年级本科生或具备同等教育背景的读者也完全可以理解本书的所有主题。 ◆ 介绍支持向量机(SVM)和Kohonen映射 ◆ 讲解DBSCAN、BIRCH和分布式DBSCAN聚类算法 ◆ 介绍贝叶斯网络，讨论图形中的Betweeness和Centrality参数测量算法 ◆ 分析在建立决策树时使用的CART算法和基尼指数 ◆ 介绍Bagging & Boosting集成学习方法，并详述AdaBoost算法 ◆ 讨论Relief以及PageRank算法 ◆ 讨论文本挖掘的潜在语义分析(LSA)，并分析如何测定文本文档之间的语义相似性 ◆ 讲解时态、空间、Web、文本、并行和分布式数据挖掘等新主题 ◆ 更详细地讲解数据挖掘技术商业、隐私、安全和法律方面的内容 作者简介： Mehmed Kantardzic博士是美国路易维尔大学工学院计算机工程与科学系的教授，任该系的研究生院院长和数据挖掘实验室主任。Mehmed是IEEE、ISCA和SPIE的成员，曾受邀参加多个重要的学术会议；他已出版多本书籍，在许多期刊上发表过论文，其中有多篇论文获奖。 资源目录： 第1章 数据挖掘的概念 1 1.1 概述 1 1.2 数据挖掘的起源 3 1.3 数据挖掘过程 4 1.4 大型数据集 7 1.5...

资源名称：轻松学算法 互联网算法面试宝典 内容简介： 《轻松学算法——互联网算法面试宝典》共分为12 个章节，首先介绍了一些基础的数据结构，以及常用的排序算法和查找算法；其次介绍了两个稍微复杂一些的数据结构——树和图，还介绍了每种数据结构和算法的适用场景，之后是一些在工作与面试中的实际应用，以字符串、数组、查找等为例介绍了一些常见的互联网面试题及分析思路，便于读者了解这些思路，顺利地通过互联网公司的面试；最后介绍了一些常见的算法思想，便于读者对今后遇到的算法问题更轻易地想出解决方案。 《轻松学算法——互联网算法面试宝典》的讲解轻松有趣，易于读者把烦琐、枯燥的算法学习变为有趣、愉快的学习，把被动学习变为主动学习。《轻松学算法——互联网算法面试宝典》也介绍了一些会在工作面试中用到的算法。对于一些正在学习算法的人来说，《轻松学算法——互联网算法面试宝典》绝对是可以帮你轻松掌握算法的辅助资料；对于已经了解算法的人来说，可以从《轻松学算法——互联网算法面试宝典》中了解到这些算法是如何在实际工作中使用的。 《轻松学算法——互联网算法面试宝典》适合即将毕业的学生、初入职场的工程师及想补充基础算法知识的人学习，也适合作为一本互联网公司面试的参考书，更是一本不可多得的便于读者时常补习算法知识的收藏宝典。 资源目录： 第1章 数组、集合和散列表 1 1.1 要用就要提前想好的数据结构—数组 2 1.1.1 什么是数组 2 1.1.2 数组的存储结构 3 1.1.3 数组的特点 6 1.1.4 数组的适用场景 7 1.2 升级版数组—集合 8 1.2.1 什么是集合 8 1.2.2 集合的实现 8 1.2.3 集合的特点 13 1.2.4 集合的适用场景 13 1.2.5 数组与变长数组的性能 14 1.3 数组的其他应用—散列表...

资源名称：数据结构：题解与拓展 内容简介： 《数据结构:题解与拓展》是同家精品课程“数据结构”（上海交通大学）的主讲教材之一，并与主教材《数据结构：思想与实现》（翁惠玉、俞勇编著）相配套。《数据结构:题解与拓展》总结了主教材各章的主要内容以及重点难点，并对主教材中的习题进行了分析和解答。作为对主教材的补充，《数据结构:题解与拓展》在大多数章中都增加了一个拓展部分，使学有余力的学生能够进一步深入地学习数据结构。《数据结构:题解与拓展》概念清楚，内容丰富，通过学习，可以帮助学生进一步巩固数据结构的知识。 《数据结构:题解与拓展》可作为高等学校计算机及相关专业“数据结构”课程的教学辅导教材，也可以作为全同计算机专业硕士研究生入学考试的辅导用书。 资源截图：