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. 使用Sufer 软件求取高程异常值的方法

  2. 　Sufer 主要用于绘制等值线图及相应的三维图形,其强大的插值功能和绘制图件的能力,已经成为处理三维数 据的首选软件,它能迅速地将离散点的测量数据通过插值转换为连续的数据曲面。Sufer 软件操作简单和绘图能 力强的特点已被认可。本文详细探讨使用Sufer 利用已知点的值求取待定点的高程异常值的方法。

  3. 所属分类：专业指导

    • 发布日期：2010-06-12
    • 文件大小：592896
    • 提供者：dzweather

  1. 基于混合入侵检测环境的病毒检测技术的研究

  2. 本文的关键技术与技术创新主要体现在以下几个方面： (1)分析误蒡l检测模型与异常检测模型的关键技术，在比较二者优缺点的此基础上， 探讨了基于误用检测与异常检测技术的混合入侵检测模型的建立。 (2)提爨了一种基于混合入侵检测环境的病毒检测模型的设计方案。 (3)分析计算机病毒行为特征。通过反汇编及跟踪，提取已知病毒的特征码并建立数 据库。 (4)采震基予统计分析的异常捡灏方法，溅量程序行戈的异常值。 (5)利用向量距离的计算方法，确定特征变量的异常程度。 (8)建立系统及网络正常模式特征库；建立

  3. 所属分类：网络攻防

    • 发布日期：2010-12-23
    • 文件大小：2097152
    • 提供者：shuaimengxia

  1. 剔点处理C算法

  2. 剔点处理： 第一步：读取文件 第二步：肖维勒准则错点剔除流程 1.计算算术平均值 2.计算剩余误差 ，及均方差 3.从下表中查得相应的Z，4.根据肖维勒准则检测ti，是否为异常值。计算 值及 若 ，则ti值异常，应予舍弃。取错点前面两点求平均值 ，将错点替换。 重复第二步r=50

  3. 所属分类：C

    • 发布日期：2011-12-01
    • 文件大小：2048
    • 提供者：zyd19870401

  1. 计算重力异常

  2. 计算大地水准面 计算高程异常值 c++编程

  3. 所属分类：交通

    • 发布日期：2012-05-19
    • 文件大小：10240
    • 提供者：aas314

  1. 异常值的类型及其处理方法

  2. 一本讲述异常值的分类及其相应处理方法的书籍，里面详细描述了异常值产生的原因和从不同角度解决的办法。

  3. 所属分类：其它

    • 发布日期：2012-08-27
    • 文件大小：1048576
    • 提供者：yongjiang2

  1. BP神经网络在GPS高程拟合中的应用

  2. GPS获得垂直分量是基于参考椭球的大地高，它与工程中需要的正常高有一差 值，即高程异常。而由于大地水准面的不规则性，使GPS获得的垂直信息使用受到 了限制。进行GPS高程拟合，通过己知点的高程异常值推求未知点的高程异常值， 进而求得未知点的正常高是目前转换GPS高程的主要方法。BP网络由于其自组织、 自适应的特点被广泛应用于GPS高程拟合中。

  3. 所属分类：其它

    • 发布日期：2013-03-28
    • 文件大小：1048576
    • 提供者：edison1024

  1. BOTDR原理、应用及其信号的小波处理

  2. 布里渊散射光时域反射监测技术(BOTDR)是一种新兴的可用于光通讯和各类构筑物 应变监测的尖端技术。介绍了 BOTDR技术的应变测量原理、相对于其他技术的特点、实际 应用情况特别是在工程健康检测领域的应用情况以及提出对其采集的观测数据信号进行小 波变换处理，目的是消噪和探测异常值。通过一个具体的实例表明，小波变换用于BOTDR 信号处理是十分有效的。

  3. 所属分类：专业指导

    • 发布日期：2013-07-15
    • 文件大小：1048576
    • 提供者：u011414498

  1. 解释BOX plot

  2. 描述统计的一个简便工具boxplot，用于识别数据中的异常值，判断数据的分态和尾重

  3. 所属分类：专业指导

    • 发布日期：2013-11-10
    • 文件大小：134144
    • 提供者：ckkobe24

  1. ArcGIS教程：地统计模型的组成

  2. 地统计（克里金法）模型包括多个组成部分：检查数据（分布、趋势、方向组成和异常值），计算经验半变异函数或协方差值，根据经验值拟合模型，生成克里金方程矩阵以及对其进行求解以为输出表面中的每个位置获取预测值及其关联误差（不确定性）。

  3. 所属分类：Java

    • 发布日期：2014-12-15
    • 文件大小：105472
    • 提供者：u010687924

  1. 数据挖掘面试题

  2. 一、异常值是指什么？请列举1种识别连续型变量异常值的方法？ 异常值（Outlier） 是指样本中的个别值，其数值明显偏离所属样本的其余观测值。在数理统计里一般是指一组观测值中与平均值的偏差超过两倍标准差的测定值。 Grubbs’ test（是以Frank E.Grubbs命名的），又叫maximumnormed residual test，是一种用于单变量数据集异常值识别的统计检测，它假定数据集来自正态分布的总体。

  3. 所属分类：其它

    • 发布日期：2014-12-19
    • 文件大小：40960
    • 提供者：joshuaas

  1. 剔除测量数据中异常值的若干方法

  2. 剔除测量数据中异常值的若干方法,

  3. 所属分类：硬件开发

    • 发布日期：2015-01-07
    • 文件大小：2097152
    • 提供者：yanjingggang755

  1. 对文件中数据进行Gubbs检验，检出全部异常值。

  2. 对文件中数据进行Gubbs检验，按一定的alfa水平比较G界值，直到检出全部异常值。世上首创采用不用查G界值表的精确非线性拟合公式（例如alfa=0.01单侧时 可决系数为R2=0.9999999938！）G界值精确到4位有效数字，等同国标。 输出数据序列，用"#"、 "*"标示。附示例文件。

  3. 所属分类：医疗

    • 发布日期：2015-05-10
    • 文件大小：3072
    • 提供者：ggbbss002

  1. 去除异常值matlab程序

  2. 数据预处理中去除异常值的程序，matlab写的

  3. 所属分类：算法与数据结构

    • 发布日期：2017-08-24
    • 文件大小：1024
    • 提供者：zhangoneone

  1. 异常值监测

  2. 剔除异常值，时间序列使用。提出方法利于监测数据，位移加速度应变应力等。剔除噪音，异常值等。

  3. 所属分类：Actionscript

    • 发布日期：2018-01-04
    • 文件大小：1024
    • 提供者：zsnwjcxlhhhh

  1. 异常值处理

  2. 机器学习异常值处理，数据预处理之异常值处理 一、什么样的值是异常值？ 简单来说，即在数据集中存在不合理的值，又称离群点。 我们举个例子，做客户分析，发现客户的年平均收入是80万美元。 但是，有两个客户的年收入是4美元和420万美元。 这两个客户的年收入明显不同于其他人，那这两个观察结果将被视为异常值。 二、什么会引起异常值呢？ 每当我们遇到异常值时，处理这些异常值的理想方法就是找出引起这些异常值的原因。 处理它们的方法将取决于它们发生的原因， 异常值的原因可以分为两大类：

  3. 所属分类：Python

    • 发布日期：2018-06-26
    • 文件大小：203776
    • 提供者：jyxmust

  1. 使用pandas的box_plot去除异常值

  2. 今天小编就为大家分享一篇使用pandas的box_plot去除异常值，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-18
    • 文件大小：57344
    • 提供者：weixin_38583286

  1. 使用pandas的box_plot去除异常值

  2. 我就废话不多说了，直接上代码吧！ #-*- coding:utf-8 _*- """ author:Administrator file: standard_process.py time: 2018/8/9 """ import pandas as pd import numpy as np import matplotlib.pyplot as plt import sys import os import seaborn as sns from sklearn.preprocessing

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：57344
    • 提供者：weixin_38548421

  1. python封装的异常值处理函数（包括箱线图去除异常值等）

  2. # 这里我包装了一个异常值处理的代码，可以随便调用。 def outliers_proc(data, col_name, scale=3): """ 用于清洗异常值，默认用 box_plot（scale=3）进行清洗 :param data: 接收 pandas 数据格式 :param col_name: pandas 列名 :param scale: 尺度 :return: """ def box_plot_outliers(da

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：53248
    • 提供者：weixin_38660579

  1. R语言回归分析-改进异常值

  2. R语言回归分析 回归分析可以说是统计学的核心，它其实是一个广义的概念，通指那些用一个或多个预测变量（也称自变量或解释变量）来预测响应变量（也称因变量、效标变量或结果变量）的方法。通常，回归分析可以用来挑选与响应变量相关的解释变量，可以描述两者的关系，也可以生成一个等式，通过解释变量来预测响应变量。 最小二乘法回归是通过预测变量的加权和来预测量化的因变量，其中权重是通过数据估计而得的参数，目标是通过减少响应变量的真实值与预测值的差值来获得模型参数（截距项和斜率），具体而言，即使得残差平方和最小。下

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：62464
    • 提供者：weixin_38562392

  1. ShapeFitterProbes：将锯齿状边缘拟合到线并绘制所有探针命中值，包括异常值。 主题：＃算法＃Image-2D＃拟合＃测量＃样本＃SICK-AppSpace-源码

  2. ShapeFitterProbes 将锯齿状边缘拟合到线并绘制所有探针命中值，包括异常值。 怎么跑 通过运行应用程序（F5）或调试（F7 + F10），可以启动此示例。 在“ main”函数内第一行设置断点，可以在“ Engine.OnStarted”事件之后逐步调试。 可以在DevicePage的图像查看器中看到结果。 加载网页后，可能需要重新启动示例以显示图像。 要运行此样本，需要具有SICK Algorithm API且AppEngine> = V2.5.0的设备。 例如，具有最新

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：821248
    • 提供者：weixin_42178963
« 12 3 4 5 6 7 8 9 10 »