研究指南

高级语句学习与研究，对SQL有一定的了解，并想进一步学习的请下载。

Microsoft SQL Server 6.5 (English)，可做收藏、学习、研究。

knitr 的文档集成功能配合 git 的版本管理，真的是做可重复研究的一把好工具。作为搞前端的我，平时虽然不怎么碰 R，但看到这个组合还是忍不住想分享给你，是你做数据或统计相关的项目时，肯定会用得上。knitr 的代码嵌入能力蛮强，文档里直接写 R 代码，跑出来的结果一并展示，不用来回切换工具。搭配 RMarkdown，用起来跟写 README 一样顺手，响应也快，文档也清晰。git 就不用多说了，做前端也天天用，写文档、同步代码、回滚历史，一个都不少。如果你是第一次尝试配合 knitr 用，建议先搞清楚.Rmd文件的结构，再看看怎么配合git commit写好版本记录。我整理了一个入门指南

拒绝原假设的 P 值，内容挺扎实的，适合你一边敲代码一边备考研究生的时候翻翻。数学底子不牢、P 值又搞不明白？这篇直接拎重点，举了多例子，把统计学那点绕的逻辑讲得比较清楚。像P > 0.05到底能不能接受原假设？不少人都理解错了，文章也专门拆开讲了。还有就是 SPSS、MATLAB、SAS 啥的，文末贴了不少延伸资料，用哪个工具都能找到落地方案。 如果你平时不是搞数据的，只是前端项目里偶尔需要跑些统计相关的模块，这篇也够用了，概念解释得比较生活化，不会让人犯困。

探究了闪光效果的实现方法，并对其应用场景进行了分析。

斯坦福大学探索信息网络聚类分析的SimRank算法，该算法为信息网络结构分析提供了新的视角和方法。

聚类算法的总结类资源其实不少，但《聚类算法研究_孙吉贵.pdf》这篇文章还挺有参考价值的。里面把近年来比较火的聚类方法都梳理了一遍，像K-Means、DBSCAN、谱聚类这些常用的算法，都有详细。关键是，它不仅讲原理，还搭配实验，讲清楚了算法在不同数据集下的表现。对比做得蛮细，准确率、效率都有考虑。 从算法思想讲起，再到关键技术，讲优缺点，说实话，讲得挺透。你要是正好在搞数据挖掘或者图像聚类，拿这篇文章做入门或者查漏补缺都挺合适。尤其是对比那块，看完你基本就知道哪个算法适合自己的场景了。 还有一点蛮好的，作者选的实验数据都来自UCI那类公开库，比较有代表性。你可以用同样的数据复现实验，方便。对

认知算法的人工动物行为研究里，记忆机制是个挺有意思的点。论文里提到的二次方差法，其实就是先算下分布的偏差，太离谱的数据直接剔除，省事儿又高效。而另一个改进的均值聚类算法就更精细，参考了数据挖掘里的思路，噪声过滤更智能，适合复杂情况。聚类的事你早接触过，像K 均值算法那种老面孔，这里也有对比，尤其在记忆模型上怎么选更合适，有点讲头。你要是想搞清楚这套聚类机制，顺带还想看看实际代码，有 MATLAB 源码可以下，调试起来也方便。链接挺全的，K 均值聚类算法源码、KNN 和其他算法实现，甚至还有专门对比的资源，适合从“图像分割”到“行为模拟”多场景试用。蛮适合在前端交互上做点智能行为模拟，比如记忆路

为了实现设备的全远程运营维护、数据预测和分析应用，物通博联设计了一套分布式设备远程运营管理和应用系统。该系统由边缘计算智能网关、设备维护快线、大数据应用平台和手机掌控宝组成。通过物通博联工业智能网关，可以实现全球设备数据的挖掘分析，并通过4G/3G/WIFI/有线网络汇聚到数据云平台上进行处理、展示和应用。同时，支持手机微信小程序和手机APP对设备和项目进行管理和监控。系统还通过智能网关和穿透云平台建立一套穿透云设备远程维护系统，实现对现场设备的远程编程、远程调试、远程诊断和远程程序下载。

这篇论文探讨了Apriori算法在数据挖掘中的应用。