LibSVM Java API调用示例程序
LibSVM Java API调用示例程序
Eclipse 完整工程可以运行
相关详情见http://blog.csdn.net/yangliuy/article/details/8041343#comments
3行程序搞定SVM分类-用JAVA程序调用LibSVM API 最简单的示例
欢迎关注我的博客blog.csdn.net/yangliuy
基于机器学习SNS隐私向导分类器的C++及WEKA实现源码
本文接《基于机器学习的SNS隐私保护策略推荐向导的设计与实现》(详见http://blog.csdn.net/yangliuy/article/details/7628976),详细解析基于机器学习的SNS隐私策略推荐向导分类器的C++及WEKA实现与评估结果,本文完整C++程序及JAVA工程下载链接见,对数据挖掘和SNS感兴趣的朋友可以下载跑一下,有任何问题欢迎交流:)
基于机器学习的SNS隐私保护策略推荐向导的设计与实现
设计一个SNS隐私保护策略推荐向导,利用机器学习方法自动计算出SNS用户的隐私保护偏好,只需要用户进行比现行SNS隐私保护机制下少得多的输入,就可以构建描述用户特定隐私偏好的机器学习模型,然后使用这个模型来自动设置用户SNS隐私保护策略。
具体的实现方法是,以用户SNS资料数据项为行,以朋友为列构建访问控制矩阵,填入allow/deny标签。对于每一个朋友抽取出若干属性特征,例如所属的“圈子”,性别,生日,城市等信息,可实现对朋友的向量化表示。基于已有的部分朋友和用户打上的访问许可的标签生成训练样本,其他朋友以及用户新添加的朋友作为测试样本。对于每一项用户资料,例如用户生日信息,系统让用户对少量朋友按照自己的意愿打上allow/deny标签,然后系统基于这些输入形成的训练样本,利用机器学习算法构建分类器,就可以使用该分类器来自动对剩余朋友及用户新添加的朋友设置对该资料的allow/deny访问权限。
现有研究表明[CCS10’ WWW10’],真实的SNS用户会更多基于不同的“圈子”来考虑他们的隐私偏好,而“圈子”信息很容易利用现有技术从社交网络图谱中抽取出来。使用朋友所属的“圈子”信息,可以自动计算出很高准确度的用户隐私保护推荐策略,而需要的用户输入比照当前的SNS隐私保护机制少很多。
基于Apriori、FP-Growth及Eclat算法的频繁模式挖掘源程序
基于Apriori、FP-Growth及Eclat算法的频繁模式挖掘源程序
一、DataMiningApriori程序
用eclipse打开,把三个测试数据mushroom、accidents和T10I4D100K放置
在F:\DataMiningSample\FPmining文件夹下面,即可运行
二、FP-growth程序
1、包括程序源文件和编译生成的可执行原件
2、程序运行方法
把FP_Growth.exe可执行文件与三个测试数据mushroom、accidents
和T10I4D100K放置在同一个文件夹下面,双击FP_Growth.exe,即可
顺序挖掘mushroom、accidents和T10I4D100K事物数据集中的频繁
模式,阈值设定见testfpgrowth.cpp文件中的main函数
三、Eclat程序直接用eclipse打开执行
四、输出的频繁模式及支持度文件示例给出了部分输出文件,由于全部输出文件太大,所有没有全部给出,可以由执行程序得出。另外附带详解PPT
基于Apriori、FP-Growth及Eclat算法的频繁模式挖掘源程序共享版
基于Apriori、FP-Growth及Eclat算法的频繁模式挖掘源程序共享版
一、DataMiningApriori程序
用eclipse打开,把三个测试数据mushroom、accidents和T10I4D100K放置
在F:\DataMiningSample\FPmining文件夹下面,即可运行
二、FP-growth程序
1、包括程序源文件和编译生成的可执行原件
2、程序运行方法
把FP_Growth.exe可执行文件与三个测试数据mushroom、accidents
和T10I4D100K放置在同一个文件夹下面,双击FP_Growth.exe,即可
顺序挖掘mushroom、accidents和T10I4D100K事物数据集中的频繁
模式,阈值设定见testfpgrowth.cpp文件中的main函数
三、Eclat程序直接用eclipse打开执行
四、输出的频繁模式及支持度文件示例给出了部分输出文件,由于全部输出文件太大,所有没有全部给出,可以由执行程序得出。另外附带详解PPT
基于Kmeans算法、MBSAS算法及DBSCAN算法的newsgroup18828文本聚类器
基于Kmeans算法、MBSAS算法及DBSCAN算法的newsgroup18828文本聚类器
程序运行方法:用eclipse打开工程,并将newsgroup文档集解压到
F:\DataMiningSample\orginSample目录下,同时在F:\DataMiningSample\
下建好如附件“F盘DataMiningSample目录下的数据子目录结构”图中的目录,
停用词表也放在"F:/DataMiningSample/目录下,即可运行eclipse工程。
本project源代码一共三个工程文件
DataMiningCluster-Kmeans算法及SVD分解降维代码
MBSAS-MBSAS算法代码
DBSCAN-DBSCAN算法代码
结果文件:Kmeans_result MBSAS_result
基于贝叶斯及KNN算法的newsgroup文本分类器免积分下载版
基于贝叶斯及KNN算法的newsgroup文本分类器,eclipse工程,免积分下载版
程序运行方法:用eclipse打开工程,并将newsgroup文档集解压到
F:\DataMiningSample\orginSample目录下,同时在F:\DataMiningSample\
下建好如附件“F盘DataMiningSample目录下的数据子目录结构”图中的目录,
停用词表也放在"F:/DataMiningSample/目录下,即可运行eclipse工程。程序
会依次执行数据预处理、贝叶斯分类、KNN分类,输出10次交叉验证实验的分类
结果、准确率统计及混淆矩阵。
基于贝叶斯及KNN算法的newsgroup文本分类器
基于贝叶斯及KNN算法的newsgroup文本分类器,eclipse工程
程序运行方法:用eclipse打开工程,并将newsgroup文档集解压到
F:\DataMiningSample\orginSample目录下,同时在F:\DataMiningSample\
下建好如附件“F盘DataMiningSample目录下的数据子目录结构”图中的目录,
停用词表也放在"F:/DataMiningSample/目录下,即可运行eclipse工程。程序
会依次执行数据预处理、贝叶斯分类、KNN分类,输出10次交叉验证实验的分类
结果、准确率统计及混淆矩阵。
基于tesseract的多线程OCR服务器的JAVA实现
基于tesseract的多线程OCR服务器的JAVA实现
Eclipse工程
可以运行
数据挖掘决策树ID3算法C++实现
数据挖掘决策树ID3算法C++实现
数据挖掘入门程序
数据挖掘candidate_elimination算法实现
数据挖掘candidate_elimination算法实现
采用C++实现
学习数据挖掘入门程序
arm 嵌入式系统经典学习课件
arm 嵌入式系统经典学习课件,学习嵌入式必备课件,大家可以下载学习
JAVA WEB 选课系统源代码
选课系统源代码,用java实现,学Java web 编程入门必备 大家可以下载学习
ARM9嵌入式技术及嵌入式Linux高级实验教程
ARM9嵌入式技术及嵌入式Linux高级实验教程