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. 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. 自组织映射用于数据分析的方法研究

  2. 自组织映射（SOM）是一种人工神经网络方法，它通过将相似的输入数据映射到相同或相近结点，将高维输入数据显示在低维空间中，具有保留输入数据的拓扑结构的优点，便于用户观察数据的分布特点。数据分析是SOM的重要应用领域之一。本文分析了SOM的各种学习算法（包括序列学习、批学习、k-batch学习、将空间访问方 法引入SOM等算法）的优缺点和适用情况，挖掘了不同的SOM输出维度、结点形状及输出大小，并分析了三种成熟的SOM工具（SOM toolbox,Viscovery,ESOM toolbox）对这

  3. 所属分类：其它

    • 发布日期：2015-03-26
    • 文件大小：398336
    • 提供者：qq_26882869

  1. 面向对象的数据分析的概述

  2. 面向对象的数据分析的概述，其于高维数据等类型

  3. 所属分类：其它

    • 发布日期：2015-05-21
    • 文件大小：1048576
    • 提供者：sinat_28377415

  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. 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. 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. 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

  1. 高维数据挖掘技术研究

  2. 数据挖掘是致力于数据分析和理解,揭示数据内部蕴藏知识的技术。它是未来信息技术应用的重要目标之一。而高维数据在实际应用中的使用,使得对高维数据挖掘的研究有着非常重要的意义。文章介绍了高维数据挖掘对数据挖掘的挑战及应对策略,提出了一些挖掘模型的创新点。

  3. 所属分类：算法与数据结构

    • 发布日期：2018-06-16
    • 文件大小：250880
    • 提供者：qq_28339273

  1. 高维数据分析网页工具TensorflowEmbeddingProjector.zip

  2. Embedding ProjectorEmbedding Projector 是一款用于交互式可视化和高维数据分析的网页工具，作为 TensorFlow 的一部分，能带来类似 A.I. Experiment 的效果。同时，谷歌也在 projector.tensorflow.org 放出了一个可以单独使用的版本，让用户无需安装和运行 TensorFlow 即可进行高维数据的可视化。介绍探索嵌入（embeddings）训练机器学习系统所需的数据一开始的形式是计算机无法直接理解的。为了将这些我们人类

  3. 所属分类：其它

    • 发布日期：2019-07-19
    • 文件大小：2048
    • 提供者：weixin_39840387

  1. 代谢组学数据分析中贝叶斯网络的应用进展

  2. 代谢组学数据分析中贝叶斯网络的应用进展，李贞子，王丽萍，代谢组学是近年发展快速的一门学科，已在医学等诸多领域广泛应用。代谢组学数据具有高维、小样本、高噪声等复杂特征，为其数据分

  3. 所属分类：其它

    • 发布日期：2020-01-04
    • 文件大小：210944
    • 提供者：weixin_38597533

  1. 基于高维数据聚类的制造过程数据分析平台

  2. 随着制造业领域工艺技术的不断进步，大量感知设备如同人体器官一样，被部署到制造过程中的各个重要节点，产生着海量制造过程数据。针对这些海量制造过程数据，制造业领域越来越需要科学、敏捷、高效的数据分析平台，为制造过程数据的分析提供智力支持和决策支持。针对这种需求，文章采用高维数据聚类技术结合Spring、Mybatis等成熟的敏捷开发框架，开发了制造过程数据分析平台。该设计不仅可以针对历史数据进行分析，还可以实时监控生产线上的动态流程数据，提高数据分析和决策效率。

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：236544
    • 提供者：weixin_38526751

  1. Python数据分析与展示学习笔记-2-1

  2. 目录 Numpy库入门 数据存取与函数 Numpy库入门 1. 数据的维度 维度：一组数据的组织形式，数据维度就是在数据之间形成特定关系，表达多种数据含义的基础概念。 （1） 一维数据：由对等关系的有序或无序数据构成，采用线性方式组织，对应列表、集合、数组等概念            列表：列表中每一个元素的数据类型可以不同            数组：要求每一个元素的数据类型相同 （2）二维数据：由多个一维数据构成，是一维数据的组合形式，表格是典型的二维数据 （3）多维数据：由一维或二维数据在

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：2097152
    • 提供者：weixin_38711149

  1. LKM：基于LDA的K均值聚类算法，用于移动传感器网络中入侵检测的数据分析

  2. 由移动节点组成的移动传感器网络（MSN）对网络攻击敏感。 入侵检测系统（IDS）是一种主动网络安全技术，可以保护网络免受攻击。 在IDS的数据收集阶段，由于在多维空间中收集的高维数据，对随后的数据分析和响应阶段施加了巨大压力。 因此，用于入侵检测的传统方法将不再适用于MSN。 为了提高数据分析的性能，我们将K-means算法应用于高维数据聚类分析。 因此，提出了一种改进的基于线性判别分析（LDA）的K均值聚类算法，称为LKM算法。 在该算法中，我们首先应用LDA的降维将高维数据集划分为二维数据集

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：1048576
    • 提供者：weixin_38741244

  1. 基于归一化净格子空间的高维数据相似度测量方法

  2. 高维数据的维数诅咒严重影响了常规相似度测量方法的性能，原因是稀疏维数和噪声维数之间的数据差异占据了很大一部分相似度，从而导致任何结果之间的差异。提出了一种基于归一化净格子空间的高维数据测量方法，将每个维的数据范围划分为多个区间，将不同维的分量映射到对应的区间上，只有相同或相邻区间的分量为了验证该方法，为验证该方法，使用了三种数据类型，并比较了七种常见的相似性测量方法。 实验结果表明，该方法的相对差异随维数的增加而增加，比常规方法高出约两个或三个数量级。此外，该方法在不同维度上的相似范围为[0，1

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：2097152
    • 提供者：weixin_38635979

  1. 高维数据流的聚类离群点检测算法研究

  2. 针对基于聚类的离群点检测算法在处理高维数据流时效率和精确度低的问题,提出一种高维数据流的聚类离群点检测(CODHD-Stream)算法.该算法首先采用滑动窗口技术对数据流划分,然后通过属性约简算法对高维数据集降维;其次运用基于距离的信息熵过滤机制的K-means聚类算法将数据集划分成微聚类,并检测微聚类的离群点.通过实验结果分析表明:该算法可以有效提高高维数据流中离群点检测的效率和准确度.

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：4194304
    • 提供者：weixin_38627521

  1. 高维数据的监督免疫克隆进化分类算法

  2. 在高维空间中，分类非常困难，因为学习方法会遭受维数的诅咒。 为了有效地对高维数据进行分类，提出了一种监督免疫克隆进化分类算法（SICEA）。 首先，将自动非参数不相关判别分析（UDA）用于降维（DR），该方法将保留等级的降维与约束判别分析相结合，以实现提取的统计上不相关的特征。 然后，提出了一种基于克隆选择原理的免疫学免疫克隆进化算法（ICEA）作为分类器。 在实验中，首先，使用11个UCI数据集，四个纹理图像和三个合成Kong径雷达（SAR）图像来测试SICEA的性能。 在分类准确性和运行时间

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：32768
    • 提供者：weixin_38590738
« 12 3 4 5 6 7 8 9 10 ... 13 »