加权挖掘

针对传统关联规则挖掘算法不能有效挖掘负关联规则的问题，该研究引入了负关联的理论，并提出了新的算法。

研究不确定图数据中的紧密子图挖掘问题，利用加权不确定图模型，以子图期望密度和顶点期望度数度量紧密程度。算法基于贪心迭代，优化执行过程，保证结果达到2近似比，并且确保高效率和正确性。研究还证明了带顶点限制的紧密子图挖掘问题的NP难度，该算法相比其他方法更快速高效。

GIS 里的地理加权回归工具，gwr4.0算是比较老牌的方案了。支持地理加权逻辑回归，对空间异质性建模还挺靠谱。尤其你用 Python、Matlab 做回归的同学，用它来补空间这一块，合适。安装包直接下就能跑，界面是老了点，但功能够用。 逻辑回归的活不少人都在做，比如用来做信用卡欺诈检测、健康数据建模、甚至城市热力图。常规线性模型搞不定空间偏差，用 gwr 就对了。嗯，它对位置相关的变量建模，还挺灵。逻辑回归的公式也都兼容，就别担心什么兼容性问题。 下载链接在资源页就有，顺手还能看看这几个资源：Python 逻辑回归合集、Matlab 四参数逻辑回归、还有基于逻辑回归的信用卡欺诈检测优化。都挺

Histwc是一个简单而实用的工具，用于构建加权直方图。

matlab编程-加权平均数。计算输入向量的加权几何、算术或调和平均值。

股票里的指数平均线，蛮适合用 Matlab 来搞定的。它的指数加权平均（EMA）思路挺实用，尤其是你想过去几个月或几年的股价变动时。直接用历史数据跑出一条平滑曲线，趋势一目了然。配合 Matlab 的图形可视化，曲线清晰，响应也快，挺适合做个小工具试试。 想进一步玩出花的，可以看看这篇组合文章，用指数平均估算风险值，逻辑清晰，代码也好懂。如果你刚好想做一个风险监控的小模型，这个蛮有参考价值。 另外，推荐你顺手看下Matlab 实现移动平均算法这篇，适合新手上路，代码段比较基础，跑一遍就知道咋回事。 ，如果你目标是信号平滑，不妨看看移动平均滤波器的用法。基本逻辑差不多，只是应用在信号领域而已。顺

动态加权综合评价模型的代码，蛮适合做数据评价的。如果你对空气污染这种多因素综合评价感兴趣，这段代码可以帮你节省不少时间。代码注释详细，逻辑也清晰，完全可以拿来直接用。是用到动态加权和 Borda 排序这块，挺实用的。对了，代码跑的案例是某城市的空气污染情况，换成你自己的数据也没问题。学习这种评价模型，对研究城市治理或环境保护的小伙伴来说，还是有的。

为了在自然条件下识别图像中的商标，提出了一种结合加权排序检索和视觉模式挖掘的新算法。首先通过特征点相似度的加权排序进行初步识别，然后建立特征点对的空间关系模型，并利用数据挖掘方法对视觉模式进行匹配，以消除误匹配结果，最终实现了对商标的准确识别。实验结果显示，该算法在FlickrLogos数据集上表现出色，具有较高的查准率和查全率。

为 S3 类 studentS3 创建 mean 泛型函数，计算加权平均成绩。函数接收一个 studentS3 对象，返回加权平均分。

加权均值滤波的图像，用 Matlab 做起来还挺顺手的。imfilter配上fspecial('gaussian')，基本上就能快速做出不同模糊程度的效果图。用subplot直接把原图和 3 种滤波效果排一排，一目了然，方便对比，适合做教学演示或者算法调试。 图像里的加权均值滤波，其实就是对周围像素给点“亲疏有别”的权重，离得近的像素更重要。Matlab 里用fspecial('gaussian', [大小])就能直接搞定，像[3 3]或[7 7]都挺常用的。 你要是对图像平滑感兴趣，可以多试试不同核大小对细节的影响，比如5x5模糊得刚刚好，7x7就有点狠了。需要注意的是，边缘信息会被抹掉，前