2020年数学五升六暑期衔接训练：第4讲分数的意义

2020年数学五升六暑期衔接训练：第3讲长方体和正方体

2020年数学五升六暑期衔接训练：第2讲因数与倍数

2020年数学二升三暑期衔接训练：第6讲 余数的除法

2020年数学二升三暑期衔接训练：第4讲 表内除法（二）

2020年数学二升三暑期衔接训练：第2讲 表内除法（一）

初中《体育》腰腹练习水平四+腰腹训练+坪山区同心外国语学校+陈海崎、张凤兰

2020年数学二升三暑期衔接训练：第1讲 数据收集整理

四川省2018-2019年度高二下学期5月阶段性训练语文试题_四川省

利用K均值聚类和增量学习算法扩大训练样本规模,提出一种改进的mRMR SBC.一方面,利用K均值聚类预测测试样本的类标签,将已标记的测试样本添加到训练集中,并在属性选择过程中引入一个调节因子以降低K均值聚类误标记带来的风险.另一方面,从测试样本集中选择有助于提高当前分类器精度的实例,把它加入到训练集中,来增量地修正贝叶斯分类器的参数.实验结果表明,与mRMR SBC相比,所提方法具有较好的分类效果,适于解决高维且含有较少类标签的数据集分类问题