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. 支持向量机SVM的SMO方法实现

  2. 本程序用Visual Studio 2010编写。SMO方法实现的支持向量机。 使用方法： 1启动程序，鼠标左键在对话框中点出绿点，鼠标右键点出红点。【或点击画测试用点，将生成几个用于验证正确性的点】 2 设置惩罚因子C，默认为100 3 点击SVM-SMO按钮，训练找到支持向量，并绘制超平面，【变大的点为支持向量，变小的为离群点】 4 修改C的值，SVM-SMO按钮，观察不同C下的分类超平面有何不同 5 点击 重置所有 按钮，重新点出样本点，观察不同样本点的分类效果。

  3. 所属分类：C++

    • 发布日期：2014-05-02
    • 文件大小：23068672
    • 提供者：hzq20081121107

  1. ArcGIS地理信息系统空间分析实验教程

  2. 图书目录： 前言 第一章导论1 11地理信息系统1 111基本概念1 112GIS系统构成1 113GIS功能与应用3 114GIS技术与发展4 12GIS空间分析6 121空间分析6 122基于GIS的空间分析7 123常用GIS平台空间分析功能比较9 13ArcGIS 9概述10 131ArcGIS 9体系结构10 132ArcGIS 9软件特色12 133ArcGIS 9空间分析14 第二章ArcGIS应用基础15 21ArcMap基础15 211ArcMap的窗口组成15 212新地图

  3. 所属分类：专业指导

    • 发布日期：2014-12-22
    • 文件大小：16777216
    • 提供者：u013172428

  1. LOF算法MATLAB实现

  2. LOF离群因子算法，是基于密度的用于噪声和异常数据检测的常用算法，它通过为每个数据计算异常因子，来判断该数据是否为噪声或干扰数据。

  3. 所属分类：机器学习

    • 发布日期：2017-09-25
    • 文件大小：2048
    • 提供者：n1580034957

  1. LOF算法实现

  2. lof为基于密度的离群点检测算法，该上传代码，能够直观显示每个数据点的离群因子大小，帮助理解该算法。

  3. 所属分类：机器学习

    • 发布日期：2017-12-28
    • 文件大小：1024
    • 提供者：n1580034957

  1. 空间离群点检测算法对比与分析

  2. 对两种常用的空间离群点检测算法进行简单的介绍,并通过实验对算法进行比较,分析了这两种空间离群点检测算法的优缺点, 以及导致它们差异的具体原因。这对寻找更好的空间离群点检测算法具有实用意义

  3. 所属分类：机器学习

    • 发布日期：2018-03-15
    • 文件大小：140288
    • 提供者：qq_41687059

  1. 局部异常因子算法-Local Outlier Factor(LOF)--matlab

  2. 基于密度剔除噪声点和异常数据 局部离群因子 表示点p的邻域点Nk(p)Nk(p)的局部可达密度与点p的局部可达密度之比的平均数。 如果这个比值越接近1，说明p的其邻域点密度差不多，p可能和邻域同属一簇；如果这个比值越小于1，说明p的密度高于其邻域点密度，p为密集点；如果这个比值越大于1，说明p的密度小于其邻域点密度，p越可能是异常点。

  3. 所属分类：机器学习

    • 发布日期：2019-04-02
    • 文件大小：2048
    • 提供者：suofen9703

  1. localoutlierfactor.m

  2. 提供了离群点检测的matlab程序，包含了距离尺度因子，编程思路简单易懂，适合初学者看懂程序，方便修改，程序正确无误，可下载使用。

  3. 所属分类：互联网

  1. 混合属性离群点检测-基于邻域值差异度量的离群点检测(NVDMOD)算法

  2. 基于邻域值差异度量的离群点检测算法Matlab代码-以邻域粗糙集为背景 针对离群点检测中传统距离法不能有效处理符号属性和经典粗糙集方法不能有效处理数值属性的问题，利用邻域粗糙集的粒化特征提出了改进的邻域值差异度量方法进行离群点检测。首先，将属性取值归一化并以混合欧氏重叠度量和具有自适应特征的邻域半径构建邻域信息系统；其次，以邻域值差异度量构造对象的邻域离群因子；最后，设计并实现了基于邻域值差异度量的离群点检测算法(NVDMOD)。

  3. 所属分类：机器学习

    • 发布日期：2020-12-15
    • 文件大小：770048
    • 提供者：shoudun5914

  1. 数据挖掘学习之路四：Python去极值方法

  2. 1. MAD #MAD（mean absolute deviation）又称为绝对值差中位数法，是一种先需计算所有因子与平均值之间的距离总和来检测离群值的方法. #处理的逻辑： #第一步，找出所有因子的中位数 Xmedian #第二步：得到每个因子与中位数的绝对偏差值 Xi?Xmedian #第三步：得到绝对偏差值的中位数 MAD #第四步：确定参数 n，从而确定合理的范围为 [Xmedian?nMAD,Xmedian+nMAD]，并针对超出合理范围的因子值做如下的调整 #超出最大值的用最大值代

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：36864
    • 提供者：weixin_38600460

  1. qpbrute:拟合qpGraph模型的启发式搜索算法-源码

  2. qpBrute 该存储库包含用于自动拟合混合图（带有 ），使用启发式算法来迭代拟合日益复杂的模型的Python代码，以及用于计算贝叶斯因子（带有 ）以比较拟合模型的R代码。 该启发式搜索算法首先”一文中进行了描述。 该代码随后被重构以形成一个独立的工具，包括贝叶斯因子计算，该论文。 给定一个用于生成图的外部组，使用逐步添加顺序算法将叶节点添加到图。 在每个步骤中，都会在图的所有分支（外组分支除外）上测试新节点的插入。 如果无法插入节点而不产生f4离群值（即| Z |> = 3），那么

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：2097152
    • 提供者：weixin_42131443

  1. 基于数据集对象平均离群因子的离群点选择算法

  2. 基于数据集对象平均离群因子的离群点选择算法

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：254976
    • 提供者：weixin_38614112

  1. regression_and_predictions-源码

  2. WWCode数据科学：统计研讨会系列-数据科学中的统计 第四周：回归与预测 本课程涵盖以下主题。 简单线性回归 多元线性回归 真实示例 回归中的因子变量 回归诊断-离群值，影响值，相关错误 里奇和套索回归 多项式和样条回归 使用了纽约空气质量数据（ ）进行分析。 。 注意：下载HTML文件时，如果它以原始版本出现，请按照以下步骤使其可读。 在浏览器中下载HTML文件 右键单击HTML文件页面上的任意位置，然后从选项中选择“另存为” 将文件另存为文件类型“ HTML”在本地计算机上 保存后

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：8388608
    • 提供者：weixin_42165508

  1. 基于质心的离群值检测方法

  2. 离群值检测是指检测不符合给定数据集中已建立的正常行为的模式，并且已在各种实际领域中大量使用。 由于其重要的应用，为此开发了许多技术，包括基于分布的离群值检测方法，基于距离的离群值检测方法，基于密度的离群值检测方法和基于聚类的离群值检测方法等。完全令人满意。 基于k均值聚类算法的质心概念，本文提出了一种基于k近邻质心的离群值检测方法，该方法基于全局离群值因子和局部离群值因子，可以提供与现有的竞争性能解决方案。 在合成数据集和真实数据集上进行的实验证明了我们方法的有效性。

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：754688
    • 提供者：weixin_38703794

  1. credit_card_fraud_detection:信用卡欺诈检测-无监督异常检测-分类不平衡-自动编码器-源码

  2. 作者：安德烈·维特（Andre Veit） 领英（LinkedIn）： : 电子邮件： 信用卡欺诈检查 不平衡数据的分类和异常检测 关于本笔记本 欺诈并不是什么新鲜事物，事实上，据《您的钱》网站称，第一个欺诈记录发生在公元前300年。 如今，在互联网和数字化以惊人的速度增长的世界中，每天都通过网络实现数百万笔交易和其他操作。 这意味着欺诈者有很多机会。 幸运的是，相对而言很少。 不幸的是……这个事实使他们很难被抓住。 本笔记本的目的是探索几种处理异常检测和高度不平衡的数据集的方法。

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：1048576
    • 提供者：weixin_42134234

  1. Credit_Card_Fraud_Detection：使用隔离林，局部离群值因子和SVM-源码

  2. Credit_Card_Fraud_Detection 使用隔离林，局部离群因子和SVM。

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：391168
    • 提供者：weixin_42135753

  1. 基于双向邻居修正的局部异常因子算法

  2. 针对现有离群点检测算法存在参数选取困难、效率差和精度低等问题，提出了基于双向邻居修正的局部异常因子算法。为了解决所提问题，首先提出了基于双向邻居的搜索算法，降低邻居搜索占用时间，然后使用双向邻居的修剪算法减少参数输入以及不必要的异常值计算。同时提出了基于双向邻居的修正因子，并利用反向邻居进一步提高计算精度。实验结果表明，所提算法减少了参数选取，提高了时间效率，同时基于双向邻居的修正因子使算法在合成数据集和UCI数据集上的准确率更高。

  3. 所属分类：其它

    • 发布日期：2021-01-13
    • 文件大小：1048576
    • 提供者：weixin_38506835

  1. 基于加权核独立成分分析的故障检测方法

  2. 针对核独立成分分析故障检测时忽略各独立成分分量对系统故障贡献度的差异, 提出一种基于加权核独立成分分析的故障检测方法. 使用核独立成分分析提取过程变量的独立成分, 根据核密度估计衡量各独立成分分量对系统故障的贡献度, 对各独立成分分量赋予不同权重, 突出包含有用信息的独立成分分量, 引入局部离群因子在特征空间构造统计量进行故障检测. 基于数值仿真和Tennessee Eastman 数据集的仿真结果表明了所提出方法的优越性.

  3. 所属分类：其它

    • 发布日期：2021-01-13
    • 文件大小：1048576
    • 提供者：weixin_38586428

  1. 基于Block-RPLS模型自适应更新的质量预测方法

  2. 工业过程包含动态、时变等过程特性.传统的基于PLS方法的质量预测采用的是固定模型,难以实时修正和学习新的过程信息,从而导致建模效率和精度降低,针对该问题提出一种自适应的块式递推偏最小二乘法(Block-RPLS)模型质量预测方法,用于在线调整PLS模型的结构和参数.采用滑动窗方法确定更新的数据块,利用矩阵相似性理论分析窗内数据的结构特性,得到该滑动窗的特征矩阵.同时,引入局部离群因子(LOF)检测滑动窗内离散偏离程度较大的更新数据,通过交叉验证方法修正PLS模型参数自适应学习过程的时变信息.最后

  3. 所属分类：其它

    • 发布日期：2021-01-12
    • 文件大小：350208
    • 提供者：weixin_38720322

  1. 基于LNS-DEWKECA算法的多模态工业过程故障检测

  2. 受市场需求主导,工业过程需要在多种工作模态下切换,数据往往呈现多模态复杂分布特性,研究多模态的故障检测技术对于保障工业过程的安全运行具有重要意义.为此,提出一种基于局部近邻标准化(LNS)和方向熵加权核熵成分分析(DEWKECA)的故障检测算法.利用LNS实现多模态数据的标准化,相比于全局标准化, LNS可以有效消除多模态特性;考虑到故障样本与正常样本在变化趋势上的差异,定义样本变化方向的信息熵为方向熵,用来衡量样本变化方向的无序程度,从而利用DEWKECA实现数据降维,可以更有效提取数据变化方

  3. 所属分类：其它

    • 发布日期：2021-01-12
    • 文件大小：1048576
    • 提供者：weixin_38609720

  1. 基于网络数据分析的物联网终端监控

  2. 针对传统监控方法中检测故障的时间比较长的问题，设计了基于网络数据分析的物联网终端监控。利用聚类算法实现物联网终端数据的聚类，计算样本数据的距离，以此得到离群因子的阈值，从而有效处理物联网终端数据，以此能够得出物联网终端中出现问题的数据。实现异常数据的监测、分类和识别，实现将网络数据作为基础的物联网终端监控设计。最后，对系统和传统方法进行对比，对本文设计监控的有效性验证，表示能够使物联网终端故障的检测时间得到缩短，使用价值较高。

  3. 所属分类：其它

    • 发布日期：2021-01-12
    • 文件大小：1048576
    • 提供者：weixin_38670297
« 12 »