本组件是继作者原“艾恩ASP无组件上传类”修改整合而成, 具有和无组件上传类相同的功能,并且具有无组件类不能相比的优越性能。 能实现的功能主要包括:自由提取表单数据、自由限制上传扩展名、自由限制上传大小、自由选择文件保存类型(原文件名和时间随机命名)， 即可以单个文件上传又可以多个文件批量上传，同时可以提取文件的二进制数据,以方便保存到数据库
上传时间： 2014-01-25
上传用户：lanwei
网页是组成互联网的基本数据单元，是各种面向互联网的应用系统最原始的数据源。网页内部含有大量噪音信息，如何从网页中有效地提取有价值的内容成为影响数据处理效果的关键。 网页正文提取指的是从原始网页中精确地提取出正文文本，比如提取新闻网页中的报道内容。能否高效地提取出网页的正文
上传时间： 2017-06-19
上传用户：jiahao131
关于关联向量机应用的最新文献！ 提出了一种核主元分析(KPCA)和关联向量机(RVM)相结合的组合建模方法。KPCA-RVM采用KPCA对原始自变量进行非线性变换并提取主成分,形成特征自变量 采用RVM,对KPCA变换后的样本数据进行回归建模,并根据模型的预报能力自适应的确定参与回归的最佳特征变量个数,消除冗余信息干扰,获得强非线性表达能力且预报性能良好的模型。并将KPCA-RVM应用于PTA装置对羧基苯甲醛(4-CBA)含量的软测量建模,结果表明该方法预测精度高于PCA-RVM和RVM。
上传时间： 2013-12-20
上传用户：ddddddos
该matlab程序包实现从Ocean Optics s2000型号的光谱仪采集数据文件中读取数据，并对采集数据进行背景去除，提取特定波段的数据绘制光谱图
上传时间： 2017-07-16
上传用户：weixiao99
ip数据包截获，提取并分析，拦截用户访问在黑名单中的网站。
标签： 数据包
上传时间： 2017-08-03
上传用户：as275944189
从 Mentor Graphics 的自动测试图形生成（ATPG）工具 FastScan的 测试文档中提取出测试电路（CUT）的测试模式，生成便于对应压缩算法的文件 格式。 本文中， 给出了 2 种压缩测试模式的方法， 一种是基于统计的哈夫曼编码， 一种是基于差分运算的Golomb 编码。本次毕业设计中，在熟悉Mentor Graphics ATPG工具 FastScan的基本功能和其主要的测试模式输出文件的格式的基础上， 实现其中测试结构和测试模式数据的分析提取， 并且在掌握典型的测试模式压缩 算法的思想以及 C/C++开发环境的前提下，选择或综合相关的优化压缩算法，针 对测试结构信息，实现测试模式数据的压缩，及软件的基本图形化操作和结果报 告界面。
标签： Graphics FastScan Mentor ATPG
上传时间： 2017-08-17
上传用户：bcjtao
基于matlab 的心电信号的提取，读取数据文件，滤波等
上传时间： 2015-06-04
上传用户：pengwang
随着杜会和经济的发展，环境水污染现象也日趋严重，迫切需要环境水质多参数监测与智能分析系统，以为环境监测、管理和控制提供科学的手段。水质多组分检测涉及到多传感器数据融合、计算机技术、电化学分析和人工智能等多学科的交叉，在众多领域有着广泛的应用。本论文研究环境水质检测与智能分析系统，论文的主要工作包括1）基于最小二乘支持向量机的在线自适应加权数据融合算法多传感器数据融合由于能够利用互补和冗余的信息，显著提高系统的可靠性而得到了广泛应用，而数据融合的关键问题是融合算法。本文深入研究了多传感器数据融合理论的基础上，针对传统融合算法研究存在的问题，提出了一种基于最小二乘支持向量机的在线自适应加权数据融合算法，并应用到水质在线检测过程中，不仅缩短了训练的时间，而且提高了融合的可靠性和灵活性2）提出了一种离子传感器的基于最小二乘支持向量机的自校正方法：由于离子传感器的非线性、漂移和交叉敏感性等影响了其检测精度和可靠性，难以进行连续在线检测。以硝酸根离子传感器为例，研究其自校正方法，以适应动态环境的连续监测根据实验数据，详细分析了硝酸根离子传感器的响应特性，并考虑了零点和时间漂移，提出了一种基于最小二乘支持向量机硝酸根离子传感器的自校正方法，给出了详细描述和分析。3）离子传感器故障检测的小波支持向量机特征提取和支持向量机分类方法在线连续检测的应用要求离子传感器必须具有很高的可靠性，即能够及时准确地判断出离子传感器的故障。本文采用小波支持向量机提取各传感器故障特征，再用支持向量机对故障进行分类，实现对各离子传感器的故障诊断。
标签： 数据融合
上传时间： 2022-03-18
上传用户：
统计学习基础:数据挖掘、推理与预测介绍了这些领域的一些重要概念。尽管应用的是统计学方法，但强调的是概念，而不是数学。许多例子附以彩图。《统计学习基础:数据挖掘、推理与预测》内容广泛，从有指导的学习（预测）到无指导的学习，应有尽有。包括神经网络、支持向量机、分类树和提升等主题，是同类书籍中介绍得最全面的。计算和信息技术的飞速发展带来了医学、生物学、财经和营销等诸多领域的海量数据。理解这些数据是一种挑战，这导致了统计学领域新工具的发展，并延伸到诸如数据挖掘、机器学习和生物信息学等新领域。许多工具都具有共同的基础，但常常用不同的术语来表达。【内容推荐】《统计学习基础:数据挖掘、推理与预测》试图将学习领域中许多重要的新思想汇集在一起，并且在统计学的框架下解释它们。随着计算机和信息时代的到来，统计问题的规模和复杂性都有了急剧增加。数据存储、组织和检索领域的挑战导致一个新领域“数据挖掘”的产生。数据挖掘是一个多学科交叉领域，涉及数据库技术、机器学习、统计学、神经网络、模式识别、知识库、信息提取、高性能计算等诸多领域，并在工业、商务、财经、通信、医疗卫生、生物工程、科学等众多行业得到了广泛的应用。【作者简介】Trevor Hastie,Robert Tibshirani和Jerome Friedman都是斯坦福大学统计学教授，并在这个领域做出了杰出的贡献。Hastie和Tibshirani提出了广义和加法模型，并出版专著“Generalized Additive Models”。Hastie的主要研究领域为：非参数回归和分类、统计计算以及生物信息学、医学和工业的特殊数据挖掘问题。他提出主曲线和主曲面的概念，并用S-PLUS编写了大量统计建模软件。Tibshirani的主要研究领域为：应用统计学、生物统计学和机器学习。他提出了套索的概念，还是“An Introduction to the Bootstrap”一书的作者之一。Friedman是CART、MARS和投影寻踪等数据挖掘工具的发明人之一。他不仅是位统计学家，而且是物理学家和计算机科学家，先后在物理学、计算机科学和统计学的一流杂志上表发论文80余篇。
标签： 统计
上传时间： 2022-05-04
上传用户：
机械设计,制造常用数据及标准规范实用手册 .PDF
上传时间： 2013-04-15
上传用户：eeworm
