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. 多神经网络在高维数据分类中的应用研究

  2. 多神经网络在高维数据分类中的应用研究,本文采用了BP神经网络和SOFM无监督聚类的技术，减少训练样本和训练时间。

  3. 所属分类：网络基础

    • 发布日期：2009-05-25
    • 文件大小：176128
    • 提供者：gjbswd

  1. Web2.0环境下高维数据的社会化协同标注与检索

  2. Web2.0时代的信息共享和在线协同让每个用户不但可以从互联网上获取各种信息,还能自由地发布各种信息或对已有数据添加标注。一种普遍的应用就是对论坛上发布的文章添加标签以方便分类和检索,这种加标签的方式称为社会化标注(Social Annotation)。互联网上大量用户的标注使得这些信息成为检索的重要手段。目前这种标注大多以简单添加词或短语tag为主,对文本数据(例如博客文章、论坛帖子)来说,这些简单的标签足以提高检索效率,但在互联网中还存在大量如图像、地理信息等高维数据,简单标签并不能真实地

  3. 所属分类：Web开发

    • 发布日期：2010-04-25
    • 文件大小：4194304
    • 提供者：ll06150

  1. 用于高维数据的检索或最临近索搜索

  2. 用于高维数据的检索或最临近索搜索 高维数据处理一直是计算机数据挖掘, 图像检索方向的难点, 该算法是一种近似最临近方法, 效率提高比较多的

  3. 所属分类：其它

    • 发布日期：2010-06-01
    • 文件大小：587776
    • 提供者：afantongzhi

  1. 高维数据的统计挑战

  2. 高维数据的统计挑战 Modern applications of statistical theory and methods can involve extremely large data-sets, often with huge numbers of measurements on each of a comparatively small number of experimental units. New methodology and accompanying theory hav

  3. 所属分类：专业指导

    • 发布日期：2012-11-12
    • 文件大小：203776
    • 提供者：npfda

  1. 高维数据几何结构与降维（国内唯一一本讲如何比较详尽的阐述高维数据如何降维的）

  2. 这是一本关于高维数据如何进行有效降维的数据，书中比较系统的阐述了一些可行性的方法，最关键的是提供了一些关于高维数据降维的一些思想。在大数据时代来临，面临的数据维度已经越来越高，通过数据本身的量化数值发现数据内在的关系，值得深思。这本书不仅提出了方法也提供了思想。

  3. 所属分类：互联网

    • 发布日期：2014-09-14
    • 文件大小：8388608
    • 提供者：u010519752

  1. 大数据环境下高维数据处理若干问题

  2. 大数据环境下的高维数据处理，博士论文，主要研究高维数据聚类方法等内容

  3. 所属分类：讲义

    • 发布日期：2015-03-17
    • 文件大小：5242880
    • 提供者：qq_20906631

  1. 高维数据ppt

  2. 高维数据课程PPT

  3. 所属分类：讲义

    • 发布日期：2017-02-22
    • 文件大小：25165824
    • 提供者：ys875038467

  1. 高维数据的降维理论及应用

  2. 高维数据，如航天遥感数据、生物数据、网络数据以及金融市场交易数据等， 其处理面临两个问题:一是维数灾难(curses of dimensionality)问题，维数膨胀 给高维数据中模式识别和规则发现带来极大挑战;二是维数的增长又带来“维数 福音”，高维数据中蕴藏的丰富信息中可产生解决问题的新的可能性。如何将高 维数据表示在低维空间中，并由此发现其内在结构是高维信息处理研究的关键问 题之一。降维方法作为克服“维数灾难”的有效手段，己经引起了人们广泛的注意， 相应研究方兴未艾。本文提出并研究了高

  3. 所属分类：算法与数据结构

    • 发布日期：2018-03-22
    • 文件大小：4194304
    • 提供者：qq_28339273

  1. 高维数据子空间聚类算法研究

  2. 高维数据下的子空间聚类算法研究，博士论文 博士论文

  3. 所属分类：机器学习

    • 发布日期：2018-03-29
    • 文件大小：935936
    • 提供者：selina861107

  1. 高维数据处理论文

  2. 高维数据的特征处理，降维方法，聚类研究等方面的文献

  3. 所属分类：搜索引擎

    • 发布日期：2018-05-10
    • 文件大小：19922944
    • 提供者：qiufengzouma

  1. 基于相似性保持和特征变换的高维数据聚类改进算法

  2. 提出一种基于相似性保持和特征变换的高维数据聚类改进算法。首先,通过相似性度量函数计算得到高维空间对象相似度矩阵,并利用近邻法、Floyd最短路径算法将相似度矩阵转换为最短路径距离矩阵;然后,将高维特征变换转化为遗传优化问题,利用特征变换降维后的二维数据进行k-均值聚类,并根据(高维坐标,降维后二维坐标)值进行RBF神经网络训练,当新对象输入时,利用训练好的神经网络对其进行二维映射,通过判断该对象与各聚类簇中心距离的远近获得其归属;最后,通过试验验证了改进相似性度量函数能够有效表达高维数据对象间

  3. 所属分类：算法与数据结构

    • 发布日期：2018-06-16
    • 文件大小：876544
    • 提供者：qq_28339273

  1. 一种基于网格方法的高维数据流子空间聚类算法

  2. 基于对网格聚类方法的分析,结合由底向上的网格方法和自顶向下的网格方法,设计了一个能在线处理高维数据流的子空间聚类算法。通过利用由底向上网格方法对数据的压缩能力和自顶向下网格方法处理高维数据的能力,算法能基于对数据流的一次扫描,快速识别数据中位于不同子空间内的簇。理论分析以及在多个数据集上的实验表明算法具有较高的计算精度与计算效率。

  3. 所属分类：算法与数据结构

    • 发布日期：2018-06-16
    • 文件大小：474112
    • 提供者：qq_28339273

  1. 基于降维BP神经网络的高维数据分类研究

  2. 为确保高维数据的神经网络分类精度,提出了先降维后分类的方法。采用主成分分析(PCA)法实现高维数据的降维。通过分析传统BP算法,提出分两步来更新网络权值的扰动BP学习方法。采用MATLAB对降维分类算法的分类精度和误差收敛速度进行分析。仿真结果显示:先降维再采用扰动BP网络进行高维数据分类可大大提高数据的分类精度和训练速度。

  3. 所属分类：算法与数据结构

    • 发布日期：2018-06-16
    • 文件大小：1048576
    • 提供者：qq_28339273

  1. 高维数据挖掘中特征选择的稳健方法

  2. 针对高维数据的特点,即数据中变量个数往往大于样本观测数目,并且数据往往具有异质性特点,基于众数回归分析和变量选择降维技术,提出了一种稳健有效的特征选择方法,利用局部二次逼近算法(LQA)和最大期望(EM)算法,给出估计算法和最优调节参数的选取方法。通过实验的模拟数据分析表明,所提出的特征提取选择方法整体优于基于最小二乘和中位数的正则化估计方法,特别当误差是非正态分布时,与已有方法相比具有较高的预测能力和稳健性。

  3. 所属分类：算法与数据结构

    • 发布日期：2018-06-16
    • 文件大小：1048576
    • 提供者：qq_28339273

  1. 高维数据的相似性度量研究

  2. 数据间的相似性度量是进一步分析数据集整体特性的一个重要基础。针对高维数据的相似性度量问题,提出了一种基于子空间的相似性度量方法。该方法先将高维空间进行基于网格的划分,然后在划分后的子空间内计算数据间的相似性。理论分析表明,在合理选定网格划分参数的前提下,该方法可有效减小"维度灾难"对高维数据相似性度量的影响。

  3. 所属分类：算法与数据结构

    • 发布日期：2018-06-16
    • 文件大小：147456
    • 提供者：qq_28339273

  1. 多维数据集中高维数据可视化算法研究

  2. 多维数据集中包含海量的复杂高维数据,如何对这些数据进行科学的理解、分析和使用,是数据挖掘领域的一个重点和难点课题.针对传统可视化算法无法解决高维数据多属性的可视化问题,算法复杂、适用性较差的不足,提出基于快速数据聚类的可视化算法研究.算法构建了一种多维数据模型,采用三角多项式建立映射关系;对多维数据集做不同层次的划分,并基于聚类的效果筛选最佳聚类数;最后在平行坐标系基础上,对高维数据进行时序多维分析,提高算法鲁棒性.实验证明提出算法简洁易用,能够较好地实现对多维数据集中高维数据的理解和分析.

  3. 所属分类：算法与数据结构

    • 发布日期：2018-06-16
    • 文件大小：267264
    • 提供者：qq_28339273

  1. 高维数据降维的DCT变换

  2. DCT(离散余弦变换)变换是图像压缩中常用的方法之一。基于它的“能量聚集特性”和变换的保距特性,把它用作高维数据降维的预处理手段,主要作用有两个:(1)大幅度降低后续降维的处理维数,减少运算量;(2)降低噪声对数据结构的影响。文中的试验结果表明,对高维数据,尤其是超高维数据的降维加入DCT变换后不但降低了后续降维的计算复杂度,同时也纠正了由于噪声的影响造成的数据结构的破坏。

  3. 所属分类：算法与数据结构

    • 发布日期：2018-06-16
    • 文件大小：501760
    • 提供者：qq_28339273

  1. 聚类分析中的高维数据降维方法研究

  2. 高维数据能充分表达复杂事物的信息,但高维数据自身表达和处理复杂,妨碍了它的实际应用。阐述了用降维算法和构建索引结构来解决高维数据降维问题。以数据对象变异最大方向的投影作为特定数据对象集的主成份,将聚类分析引入高校数据资源的预处理环节,实现了数据对象集合的聚类归约。给出应用实例,为深入探索相关模式提供有效的分析方法。

  3. 所属分类：算法与数据结构

    • 发布日期：2018-06-16
    • 文件大小：309248
    • 提供者：qq_28339273

  1. 基于混合网格划分的子空间高维数据聚类算法

  2. 提出一种基于混合网格划分的子空间高维数据聚类算法。该算法消除了各个属性分量数值范围大小对计算的影响;有效去除冗余属性以提高聚类准确性与降低时间复杂度。根据数据分布情况灵活选择固定网格划分或是自适应网格划分,利用这二种不同的网格划分方法具有的优点,以实现进一步降低算法的时间复杂度和提高聚类结果的准确性,并使算法具有更优的可伸缩性。实验使用仿真数据表明,该算法在处理具有属性值域范围大的高维大规模数据时是实用有效的。

  3. 所属分类：算法与数据结构

    • 发布日期：2018-06-16
    • 文件大小：246784
    • 提供者：qq_28339273

  1. 一种新的高维数据降维方法

  2. 前言现实世界中存在着大量的复杂事物及现象,人们希望揭示隐藏在这些纷繁芜杂的表象下的事物和现象的客观规律。随着信息技术的发展,我们面对的数据越来越复杂,往往具有如下特点:(1)样本点数量巨大;(2)数据收集的频率越来越高;(3)数据内部存在结构化的特征;(4)指标变量众多。例如天气状况,用来描述气象特征的指标非常多,像温度,湿度,气压,风力,降雨量等等,对于每时每刻的天气状况,可以用多变量组成的向量数据细致的表示。大量出现的高维数据不仅提供了极其丰富、详细的信息,而且对数据分析中的变量选择、多元

  3. 所属分类：算法与数据结构

    • 发布日期：2018-06-16
    • 文件大小：509952
    • 提供者：qq_28339273
« 12 3 4 5 6 7 8 9 10 ... 34 »