机器学习：质量度量指标驱动的数据聚合与多维数据可视化

机器学习：支持向量数据描述的基因表达数据聚类方法

机器学习：基于支持向量数据描述的无标签数据多类分类

2.1 物理层的基本概念 2.2 数据通信的基础知识 2.2.1 数据通信系统的模型 2.2.2 有关信道的几个基本概念 2.2.3 信道的极限容量 2.2.4 信道的极限信息传输速率 2.3 物理层下面的传输媒体 2.3.1 导向传输媒体 2.3.2 非导向传输媒体 2.4 信道复用技术 2.4.1 频分复用、时分复用和统计时分复用 2.4.2 波分复用 2.4.3 码分复用 2.5 数字传输系统 2.6 宽带接入技术 2.6.1 xDSL技术 2.6.2 光纤同轴混合网（HFC 网） 2.6.3 FTTx 技术

《电力系统自动化》课程教学资源（理论课程资料）数据采集处理_交流采样原理_电力系统数据采样的几种同步方法

《电力系统自动化》课程教学资源（理论课程资料）数据采集处理_电力系统数据预处理_一种能滤除衰减直流分量的交流采样新算法

• Data Mining – From data warehousing to data mining. – Data pre-processing and data mining life-cycle. – Association and sequence analysis; classification and clustering. – Fuzzy Logic, Neural Networks, and Genetic Algorithms. – Mining Complex Data. • OLAP mining; spatial data mining; text mining; time-series data mining; web mining; visual data mining. • Data warehousing. – Introduction; basic concepts of data warehousing; data warehouse vs. Operational DB; data warehouse and the industry. – Architecture and design; two-tier and three￾tier architecture; star schema and snowflake schema; data capturing, replication, transformation and cleansing. – Data characteristics; metadata; static and dynamic data; derived data. – Data Marts; OLAP; data mining; data warehouse administration

在非结构化数据挖掘结构模型——发现特征子空间模型(DFSSM)——的运行机制下,提出了一种新的Web文本聚类算法——基于DFSSM的Web文本聚类(WTCDFSSM)算法.该算法具有自稳定性,无须外界给出评价函数;能够识别概念空间中最有意义的特征,抗噪声能力强.结合现代远程教育网应用背景实现了WTCDFSSM聚类算法.结果表明:该算法可以对各类远程教育站点上收集的文本资料信息自动进行聚类挖掘;采用网格结构模型,帮助人们进行文本信息导航;从海量文本信息源中快速有效地获取重要的知识

《电力系统自动化》课程教学资源（理论课程资料）电力数据通信_差错控制方式_基于电力线通讯的数据差错控制方式的应用

以某钢厂1580热连轧生产数据为基础,提出一种有限元与神经网络集成建模的方法.该方法首先对轧制过程的塑性变形进行有限元建模,然后结合有限元数值分析方法和智能技术的优点,实现有限元和神经网络的集成建模.集成模型中的神经网络模型为有限元模型提供参数调整的依据,并且在神经网络训练过程中使用改进的混沌粒子群优化算法对神经网络进行优化.通过与现场实际生产数据进行比较,验证了该模型的有效性