·数据科学方法学 ·问题定义与业务理解 ·分析方法 ·数据需求 ·数据收集 ·数据理解 ·数据准备 ·建模 ·模型评估 ·部署 ·反馈

第五章数组 一、数组概念 二、一维数组 三、二维数组及多维数组 四、字符数组和字符串

2.1 数字逻辑基础  2.1.1 数制、转换及编码  1）数制的基与权  2）几种进制及其特点  3）不同进制的表示方法  4）不同进制数的转换  5）信息的编码方式  2.1.2 二进制数的算术运算  2.1.3 二进制数的逻辑运算(布尔代数)  2.1.4 逻辑门电路  2.1.5 加法器电路  2.1.6 其它逻辑电路 2.2 微处理器

本章主要讲述离散型随机变量的数学期望连续型随机变量的数学期望,随 内容机变量的函数的数学期望,数学期望的性质方差的概念,方差的计算,方差的 性质;协方差及相关系数的定义,协方差与相关系数的性质,矩等内容

以全尾砂充填膏体为研究对象,利用四叶桨式旋转式流变仪测试质量分数为69%~81%的充填料浆的流变特征及其参数,采用赫谢尔-布尔克莱模型回归得出料浆在剪切速率为0~120 s-1条件下的流变模型.结果表明:质量分数为69%~81%的料浆流变模型为屈服伪塑性体,质量分数为81%的料浆为宾汉塑性体;流变性能指数n与料浆的质量分数呈线性关系,随质量分数的增大而增大.膏体的临界质量分数为80.91%

第11章 Visual FoxPro数据表 11.1数据表的概念 11.2建立数据表 11.3浏览数据表 11.4编辑表中数据 11.5修改数据表结构 11.6定制表

针对部分聚类算法对数据输入顺序敏感的问题,定义了不干涉序列指数,提出了应用不干涉序列指数对分类数据进行加权排序的方法,并基于该方法对受数据输入顺序影响的CABOSFV_C分类数据高效聚类算法进行改进,提出了考虑加权排序的聚类算法(CABOSFV_CSW),消除了算法对数据输入顺序的敏感性.采用UCI基准数据集进行实验,发现应用加权升序排序的CABOSFV_CSW算法在处理分类数据时,聚类质量较原始CABOSFV_C算法和其他受数据输入顺序影响的算法在准确性上有改善,在稳定性上有显著提高

7.4随机变量的数字特征 7.4.1高散型随机变量的数学期望和方差 7.4.2连续型随机变量的数学期望和方差 7.4.3常见随机变量的数学期望和方差 7.4.4随机变量函数的数学期望和方差

从存储角度看,前面使用的变量都是相互独立的 、无关的,通常称它们为简单变量。但如果处理将200 个学生的成绩按大小顺序排序这类问题,只使用简单变量将会非常麻烦,而利用数组却很容易实现。本章讲述VB数组的基本概念和使用方法,主要内容有:数组的概念、数组的定义及应用、可调数组的概念及应用、控件数组的概念及应用

在群智感知（mobile crowd sensing，MCS）数据收集过程中，任务参与者的恶意行为能够显著降低感知结果的真实性.为解决此问题，提出了一种参与者信誉度感知的数据收集机制，通过意愿程度和数据质量分析信任状态、量化历史信誉度，进而，根据逻辑回归模型动态更新参与者当前信誉度.同时，为准确衡量感知数据可信程度，利用剩余可发送时间和移动设备剩余能量将参与者分为直接发送和间接转发两类，从而在多任务并发场景下，服务器根据结果合理地选择任务参与者，达到准确可靠收集感知数据的目的.结果表明所提出数据收集机制能大幅度提升感知任务实时性，显著提高感知数据质量，有效降低服务器总奖励开销