亲和力传播聚类算法详解

多元变分模态分解(Multivariate Variational Mode Decomposition, MVMD）是由Rehman和Aftab提出的一种多通道模态分解算法，旨在解决多通道信号同步分解的问题。作为VMD的多元拓展，MVMD不仅在一定程度上克服了（Multivariate Empirical Mode Decomposition, MEMD）的缺点，还充分利用了多通道信号间的相关性，具备模态齐整性。

连续变分模态分解（Successive Variational Mode Decomposition, SVMD），通过引入约束准则来自适应地实现固有模式函数（Intrinsic Mode Function, IMF）分解，可连续提取IMF且不需要设置IMF的数量。与（Variational Mode Decomposition, VMD）相比，SVMD的计算复杂度较低，并且对IMF中心频率初始值的鲁棒性更强。

第六届“泰迪杯”数据挖掘挑战赛—— B 题：电视产品的营销推荐 资源内包含题目要求及原始数据、本人自己做的解题代码、使用的数据、实验论文适合备战“泰迪杯”类型的数据挖掘类比赛的本科生进行学习能学到数据处理的基本方法以及物联网数据分析的相关知识

1111111111111真实数据集

11111111txt合成数据集

A星算法matlab代码

scala-代码-scala

scala-scala

本资源详情请看关联的文章，文章里会详细描述资源的具体内容。以下内容为过审需求：假设我们想确定三种不同的运动方案是否对减肥有不同的影响。我们正在研究的预测变量是锻炼计划，响应变量(response variable)是体重减轻，以磅为单位。我们可以进行一个单因素方差分析，以确定三个方案的结果体重减轻之间是否有统计学意义上的差异。我们招募了91人参加一个实验，在这个实验中，我们随机分配31人跟随方案A,方案B或方案C2个月，以确定三个方案的结果体重减轻之间是否有统计学意义上的差异。dataframe的第一列显示了该人参加了2个月的项目(A、B、C)，第二列显示了该人在项目结束时经历的总体重减轻，以磅为单位。

本资源详情请看关联的文章，文章里会详细描述资源的具体内容。以下内容为过审需求：假设我们想确定三种不同的运动方案是否对减肥有不同的影响。我们正在研究的预测变量是锻炼计划，响应变量(response variable)是体重减轻，以磅为单位。我们可以进行一个单因素方差分析，以确定三个方案的结果体重减轻之间是否有统计学意义上的差异。我们招募了90人参加一个实验，在这个实验中，我们随机分配30人跟随方案A,方案B或方案C一个月，以确定三个方案的结果体重减轻之间是否有统计学意义上的差异。dataframe的第一列显示了该人参加了一个月的项目(A、B、C)，第二列显示了该人在项目结束时经历的总体重减轻，以磅为单位。

D-S理论与灰色关联结合代码，可用于Matlab数学建模，方便快捷使用。

离散Hopfield神经网络的联想记忆数字识别代码，可用于Matlab数学建模，可直接使用。