注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 数据库灾难性恢复(数据库技术；灾难性；恢复；数据备份)

  2. 目录 摘要 3 ABSTRACT 3 1. 灾难类型 4 2. 恢复类型 4 3. 恢复的级别 4 4. 需要防止的故障级别 4 4.1 可接受的数据丢失量 5 4.2 允许用于恢复的时间量 5 4.3 备份和恢复 5 5. 灾难恢复方案 5 5.1 简单备份 6 5.2 备份和日志保留 7 6. 高级存储备份 8 7. 数据库恢复 9 摘要 随着数据库技术在各个行业和各个领域大量广泛的应用，在对数据库应用的过程中，人为误操作、人为恶意破坏、系统的不稳定、存储介质的损坏等等原因，都有可能造成重

  3. 所属分类：其它

    • 发布日期：2010-04-12
    • 文件大小：80896
    • 提供者：qianlihongju

  1. 不平衡数据集分类

  2. 面对不均衡数据集多分类 两分类的极限学习机源码

  3. 所属分类：其它

    • 发布日期：2013-07-05
    • 文件大小：877568
    • 提供者：zhaoshuobupt

  1. 样本不均衡论文

  2. 1. 不平衡数据集分类的Random_SMOTE方法研究_董燕杰 2. 不均衡电信客户数据的分类问题研究_郭娜娜 3. 移动通讯话务量时间序列预测方法研究_雷苗

  3. 所属分类：机器学习

    • 发布日期：2018-05-05
    • 文件大小：9437184
    • 提供者：chasing_shadows

  1. 来自于NLPCC2013，解析成txt文件 不均衡分类 中文情感分析7类情感.zip

  2. 来自于NLPCC2013，解析后每一行为 情感\t句子 共有七类情感，且分布不均衡，划分训练集和测试集后数据数量为 1488 anger_data.txt 186 anger_test.txt 186 anger_val.txt 8:1:1 2459 disgust_data.txt 307disgust_test.txt 307 disgust_val.txt 8:1:1 201 fear_data.txt 50 fear_test.txt 50 fear_val.txt 4:1:1 229

  3. 所属分类：深度学习

    • 发布日期：2019-05-17
    • 文件大小：4194304
    • 提供者：weixin_40015791

  1. NSL-KDD（KDD Cup 1999数据集的重采样版本）

  2. NSL-KDD是KDD Cup 1999数据集的重采样版本，training set和test set分别采用(125973, 41) 和(22544, 41)的数据。在training set中，normal : abnormal = 67343 : 58630,解决了KDD99中类别不均衡的问题。

  3. 所属分类：网络安全

    • 发布日期：2019-06-17
    • 文件大小：2097152
    • 提供者：qq_37717661

  1. 不平衡数据学习综述【附4篇经典论文】.zip

  2. 以下附上不平衡数据学习的4篇综述论文，非常有阅读价值。针对不平衡数据集解决方法主要分为两个方面：第一种方案主要从数据的角度出发，主要方法为抽样，既然我们的样本是不平衡的，那么可以通过某种策略进行抽样，从而让我们的数据相对均衡一些；第二种方案从算法的角度出发，考虑不同误分类情况代价的差异性对算法进行优化，使得我们的算法在不平衡数据下也能有较好的效果。

  3. 所属分类：机器学习

    • 发布日期：2020-02-07
    • 文件大小：3145728
    • 提供者：syp_net

  1. python数据预处理 :样本分布不均的解决(过采样和欠采样)

  2. 何为样本分布不均： 样本分布不均衡就是指样本差异非常大，例如共1000条数据样本的数据集中，其中占有10条样本分类，其特征无论如何你和也无法实现完整特征值的覆盖，此时属于严重的样本分布不均衡。 为何要解决样本分布不均： 样本分部不均衡的数据集也是很常见的：比如恶意刷单、黄牛订单、信用卡欺诈、电力窃电、设备故障、大企业客户流失等。 样本不均衡将导致样本量少的分类所包含的特征过少，很难从中提取规律，即使得到分类模型，也容易产生过度依赖于有限的数量样本而导致过拟合问题，当模型应用到新的数据上时，模型的

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：71680
    • 提供者：weixin_38559203

  1. 提高加权ELM以实现不平衡学习

  2. 用于单层前馈神经网络（SLFN）的极限学习机（ELM）是一种强大的机器学习技术，并且以其快速的学习速度和良好的泛化性能而受到关注。 最近，提出了加权ELM来处理具有不平衡类分布的数据。 加权ELM的关键本质是为每个训练样本分配了额外的权重。 尽管提供了一些经验加权方案，但是如何确定更好的样本权重仍然是一个悬而未决的问题。 在本文中，我们提出了一种Boosting加权ELM，它将加权ELM无缝地嵌入到经过修改的AdaBoost框架中，以解决上述问题。 直观地，反映训练样本重要性的AdaBoost框

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：572416
    • 提供者：weixin_38506182

  1. 开*毂位置问题的均衡优化方法

  2. 本文针对p-hub中心问题开发了三个新的平衡优化模型，其中旅行时间以模糊随机变量为特征。 所提出的平衡优化方法是找到枢纽设施和需求节点的位置，以使不确定行程时间的平衡服务水平最大化。 在温和的假设下，我们首先处理均衡服务水平，并将其降低到等效的概率约束。 根据等效随机规划模型的结构特点，设计了一种新的基于参数分解的混合禁忌搜索（PD-HTS）算法，该算法结合了参数分解（PD），样本均值逼近和禁忌搜索算法。 为了证明设计解决方案方法的有效性，我们使用澳大利亚邮政数据集和随机生成的数据集进行了一些数

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：1048576
    • 提供者：weixin_38513669

  1. Hadoop集群datanode磁盘不均衡的解决方案

  2. Hadoop的HDFS集群非常容易出现机器与机器之间磁盘利用率不平衡的情况，比如集群中添加新的数据节点，节点与节点之间磁盘大小不一样等等。当hdfs出现不平衡状况的时候，将引发很多问题，比如MR程序无法很好地利用本地计算的优势，机器之间无法达到更好的网络带宽使用率，机器磁盘无法利用等等。因业务需要搭建一个新hadoop集群，并将老的hadoop集群中的数据迁移至新的hadoop集群，而且datanode节点不能全部上线，其中还可能会出现节点上线或下线的情况，这个时候就很容易出现机器与机器之间磁盘

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：497664
    • 提供者：weixin_38665162

  1. 基于随机下采样和SMOTE的不均衡SVM分类算法

  2. 传统的支持向量机(SVM)算法在数据不均衡的情况下,分类效果很不理想。为了提高SVM算法在不均衡数据集下的分类性能,提出随机下采样与SMOTE算法结合的不均衡分类方法。该方法首先利用随机下采样对多数类样本进行采样,去除样本中大量重叠的冗余样本,使得在减少数据的同时保留更多有用信息;而对少数类样本则是利用SMOTE算法进行过采样。实验部分将其应用在UCI数据集中并同其他采样算法比较,结果表明文中算法不但能有效提高SVM算法在不均衡数据中少数类的分类性能,而且总体分类性能也有所提高。

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：855040
    • 提供者：weixin_38731761

  1. 不均衡数据分类算法的综述

  2. 传统的分类方法都是建立在类分布大致平衡这一假设基础上的,然而实际情况中,数据往往都是不均衡的。因此,传统分类器分类性能通常比较有限。从数据层面和算法层面对国内外分类算法做了详细而系统的概述。并通过仿真实验,比较了多种不平衡分类算法在6个不同数据集上的分类性能,发现改进的分类算法在整体性能上得到不同程度的提高,最后列出了不均衡数据分类发展还需解决的一些问题。

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：1048576
    • 提供者：weixin_38601311

  1. 基于ODR和BSMOTE结合的不均衡数据SVM分类算法

  2. 针对传统的支持向量机(SVM)算法在数据不均衡的情况下分类效果不理想的缺陷,为了提高SVM算法在不均衡数据集下的分类性能,提出一种新型的逐级优化递减欠采样算法.该算法去除样本中大量重叠的冗余和噪声样本,使得在减少数据的同时保留更多的有用信息,并且与边界人工少数类过采样算法相结合实现训练样本数据集的均衡.实验表明,该算法不但能有效提高SVM算法在不均衡数据中少数类的分类性能,而且总体分类性能也有所提高.

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：523264
    • 提供者：weixin_38721691

  1. 不均衡数据集上文本分类的特征选择研究

  2. 不均衡数据集上文本分类的特征选择研究

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：354304
    • 提供者：weixin_38742656

  1. Hadoop集群datanode磁盘不均衡的解决方案

  2. Hadoop的HDFS集群非常容易出现机器与机器之间磁盘利用率不平衡的情况，比如集群中添加新的数据节点，节点与节点之间磁盘大小不一样等等。当hdfs出现不平衡状况的时候，将引发很多问题，比如MR程序无法很好地利用本地计算的优势，机器之间无法达到更好的网络带宽使用率，机器磁盘无法利用等等。 因业务需要搭建一个新hadoop集群，并将老的hadoop集群中的数据迁移至新的hadoop集群，而且datanode节点不能全部上线，其中还可能会出现节点上线或下线的情况，这个时候就很容易出现机器与

  3. 所属分类：其它

    • 发布日期：2021-01-29
    • 文件大小：497664
    • 提供者：weixin_38535808

  1. 基于卷积神经网络特征和改进超像素匹配的图像语义分割

  2. 非参数语义分割算法易受到图像检索精度和语义类别不均衡数据集的影响而导致语义分割精度下降。针对这些问题，提出了一种基于卷积神经网络(CNN)特征和改进超像素匹配的图像语义分割算法。通过CNN学习得到图像特征，降维后进行图像检索，得到精度更高的检索集；利用高斯核密度估计对检索集图像的超像素加权，提升稀少类目标超像素标签的匹配精度，从而提高查询图像的语义分割精度。在SIFTflow和KITTI数据库上的实验结果显示，本文算法的每像素和平均每类语义分割精度均达到最优。

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：7340032
    • 提供者：weixin_38729685

  1. 浅谈sqlserver的负载均衡问题

  2. 截至到SQL Server 2008 R2 版本，微软还是没有推出官方的负载均衡组件，只能通过SQL Server的其他技术特性或者利用第三方组件来DIY。 在以前的文章中，小编也总结了一些常见的“sqlserver集群”“sqlserver数据同步”“sqlserver故障转移”…等相关的实现技巧。今天就不仔细讲解了。 今天想推荐大家尝试使用第三方的组件和工具，典型的就是一款ICX数据库路由。当然，我和这些工具的厂商也不熟，所以本文显然不是广告。呵呵。 长期以来，SQL SERVER数据库服务

  3. 所属分类：其它

    • 发布日期：2021-01-19
    • 文件大小：56320
    • 提供者：weixin_38656463

  1. 类不均衡的半监督高斯过程分类算法

  2. 摘要：针对传统的监督学习方法难以解决真实数据集标记信息少、训练样本集中存在类不均衡的问题，提出了类不均衡的半监督高斯过程分类算法。算法引入自训练的半监督学习思想，结合高斯过程分类算法计算后验概率，向未标记数据中注入类标记以获得更多准确可信的标记数据，使得训练样本的类分布相对平衡，分类器自适应优化以获得较好的分类效果。实验结果表明，在类不均衡的训练样本及标记信息过少的情况下，该算法通过自训练分类器获得了有效标记，使分类精度得到了有效提高，为解决类不均衡数据分类提供了一个新的思路。

  3. 所属分类：其它

    • 发布日期：2021-01-15
    • 文件大小：2097152
    • 提供者：weixin_38741966

  1. 基于ODR和BSMOTE 结合的不均衡数据SVM分类算法

  2. 针对传统的支持向量机(SVM) 算法在数据不均衡的情况下分类效果不理想的缺陷, 为了提高SVM算法在 不均衡数据集下的分类性能, 提出一种新型的逐级优化递减欠采样算法. 该算法去除样本中大量重叠的冗余和噪声 样本, 使得在减少数据的同时保留更多的有用信息, 并且与边界人工少数类过采样算法相结合实现训练样本数据集 的均衡. 实验表明, 该算法不但能有效提高SVM算法在不均衡数据中少数类的分类性能, 而且总体分类性能也有所 提高.a

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：246784
    • 提供者：weixin_38631599

  1. 基于概率分布估计的混合采样算法

  2. 在类别不均衡的数据中, 类间和类内不均衡性问题都是导致分类性能下降的重要因素. 为了提高不均衡数据集下分类算法的性能, 提出一种基于概率分布估计的混合采样算法. 该算法依据数据概率分别对每个子类进行采样以保证类内的均衡性; 并扩大少数类的潜在决策域和减少多数类的冗余信息, 从而同时从全局和局部两个角度改善数据的平衡性. 实验结果表明, 该算法提高了传统分类算法在不均衡数据下的分类性能.

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：279552
    • 提供者：weixin_38696339
« 12 3 4 5 6 7 8 9 10 »