动态文档详细介绍了计量分析中，如何运用stata相关命令进行标准的数据清洗、统计描述和计量模型，用于本、硕毕业论文写作遇到的数据处理难、不知如何处理等疑难杂症问题。

总结了异常值检测的相关课程视频、书籍、论文、数据集以及工具库 异常检测学习资源 异常检测（也称为异常检测）是一个令人兴奋但具有挑战性的领域，旨在识别偏离一般数据分布的异常对象。 异常值检测已被证明在许多领域都很重要，例如信用卡欺诈分析、网络入侵检测和机械单元缺陷检测。 该存储库收集： 书籍和学术论文 在线课程和视频 异常数据集 开源和商业图书馆/工具包 关键会议和期刊 更多项目将添加到存储库中。 请随时通过打开问题报告、提交拉取请求或给我发送电子邮件@ (zhaoy@cmu.edu) 来建议其他关键资源。 享受阅读！ 目录 1. 书籍和教程 1.1。 书籍 1.2。 教程 2. 课程/研讨会/视频 3. 工具箱和数据集 3.1. 3.2 多元数据异常值检测 时间序列异常值检测 3.3。 实时 Elasticsearch 3.4。 数据集 4. 论文 4.1。 概述和调查论文 4.2。 关键算法 4.3。 图和网络异常值检测 4.4。 时间序列异常值检测 4.5。 异常值检测中的特征选择 4.6。 高维和子空间异常值 4.7。 离群值集合 4.8。 进

将近30篇论文和其他辅助资料

论文数据、研究中国家庭、老龄化、养老情况的数据

论文数据、研究老龄化数据、中国养老保险情况、幸福感

双方体系装备的连边权重

毕业论文《可视化数据表示》，比较标准的一片数据可视化论文。

期末大作业题目 1.结合所学相关内容，研究撰写一篇关于云计算资源分配策略或任务调度或资源使用预测算法的论文。要求扩展云计算仿真器CloudSim或其它仿真软件设计实现该算法，并进行仿真实验测试和分析该算法/策略的性能。也可以是将云计算技术应用于自己感兴趣研究方向为主题的研究论文。论文撰写格式要求以《软件学报》的投稿要求为模板。 摘 要: 粒子群优化（PSO）算法思想来源于人工生命和演化进化论。PSO 通过粒子追随自 己找到的最优解和整个群体的最优解来完成优化，群体中每一个粒子代表问题的一个候选解， 属于一类启发式随机全局优化技术。PSO 的优势在于简单又功能强大。本文将使用云计算仿 真器 CloudSim 实现 PSO 完成任务调度以及改进算法评估性能。 关键词: 粒子群;优化;进化论;CloudSim 中图法分类号: Particle swarm optimization algorithm and improved implementation CHEN Jia-Le1 1(School of Computer Science and Software, Shenzhen University, Shenzhen 518000, China) Abstract: The idea of particle swarm optimization (PSO) comes from artificial life and evolutionary theory. Particle swarm optimization (PSO) is a heuristic stochastic global optimization technique, in which each particle represents a candidate solution of the problem. The advantage of PSO is simple and powerful. In this paper, we will use the cloud computing simulator cloudsim to implement PSO to complete task scheduling and improve the algorithm to evaluate performance. Key words: particle swarm; optimization; evolutionism; CloudSim;

DataWhale-学术前沿趋势分析-Task1 论文数据统计源码

MCM2019C 美国大学生数学建模2019年C题，共有6篇英语论文，其中2篇附有翻译。个别论文附录中代码。