电子科技大学：《数据分析与数据挖掘 Data Analysis and Data Mining》课程教学资源（课件讲稿）量子支持向量机（support vector machine, SVM）

隐马尔科夫模型的定义 HMM模型的三个基本问题 EM算法 前向后向算法 鲍姆-韦尔奇算法 维比特算法

01 分类算法的问题描述 02 KNN算法 03 SVM算法 04 神经网络算法

1、量子力学基本回顾 2、复合体系描述 3、量子测量及相关问题 §1.1 态叠加原理 ➢ 波叠加 经典 合成的波中有各种成分 相干性 量子 相干性 新特点 §1.2 矩阵力学基础——力学量和算符 §1.3 量子测量及相关问题 1.3.1量子测量基础 1.3.2广义测量和POVM测量

线性回归 ●最小二乘法 ●梯度下降 二分类任务 ●对数几率回归-Logistic Regression ●线性判别分析-Linear Discriminate Analysis 多分类任务 ●一对一 ●一对其余 ●多对多 类别不平衡问题

◼ Why Data Mining? ◼ What Is Data Mining? ◼ A Multi-Dimensional View of Data Mining ◼ What Kinds of Data Can Be Mined? ◼ What Kinds of Patterns Can Be Mined? ◼ What Kinds of Technologies Are Used? ◼ What Kinds of Applications Are Targeted? ◼ Major Issues in Data Mining ◼ A Brief History of Data Mining and Data Mining Society ◼ Summary

电子科技大学：《专利挖掘与文件撰写 The mining and writing for patents》课程教学资源（课件讲稿）第五讲 发明专利的审查与答复

电子科技大学：《专利挖掘与文件撰写 The mining and writing for patents》课程教学资源（课件讲稿）第四讲 权利要求书的撰写

【人工智能】基于时空周期模式挖掘的活动语义识别方法

电子科技大学：《专利挖掘与文件撰写 The mining and writing for patents》课程教学资源（课件讲稿）第一讲 专利发展历史（保骏）