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. 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. N维空间中的旋转算法

  2. 任意维数欧氏空间中的旋转矩阵推导。可以用作高维数据处理的快速算法。

  3. 所属分类：专业指导

    • 发布日期：2013-06-28
    • 文件大小：43008
    • 提供者：xenapior

  1. 高维直方图统计函数

  2. 有三个文件，histogram.h,histogram.cpp包含算法，main.cpp包含简单例子。解决高维数据的直方图统计问题.当维数为1时退化为图像处理中常用的灰度直方图

  3. 所属分类：C++

    • 发布日期：2014-10-23
    • 文件大小：2048
    • 提供者：u010674098

  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. 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. 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. 一种基于海量高维数据的软子空间聚类改进算法

  2. 基于加权的软子空间聚类是处理高维数据的一种有效手段,在原有的软子空间聚类算法基础上对目标函数进行改进,从而结出一种新的软子空间聚类算法.相较之原算法,此算法具有更高的抗噪性及聚类效率;通过与典型的软子空间聚类算法比较试验,结果表明可有效提高海量高维数据的聚类处理效率.

  3. 所属分类：算法与数据结构

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

  1. 基于Spark和聚类分析的辨识电力系统不良数据新方法

  2. 随着电力系统智能化建设的不断深入和推进,电力系统数据呈现海量化、高维化的趋势。针对电力系统中的不良数据将导致电力系统状态估计结果的准确性降低,而传统聚类算法处理海量高维数据时单机计算资源不足,近年来较流行的Map Reduce框架不能有效处理频繁迭代计算等问题,提出一种基于Spark的并行K-means算法辨识不良数据的新方法。以某一节点电力负荷数据为研究对象,运用基于Spark的并行K-means聚类算法提取出日负荷特征曲线,分别对输电网状态估计中的不良数据进行检测和辨识。选用EUNITE提

  3. 所属分类：spark

    • 发布日期：2018-06-22
    • 文件大小：565248
    • 提供者：qq_28339273

  1. 工业现场高维数据采集系统设计

  2. 针对工业现场高维光谱数据的高速采集和传输问题,提出了一种高维数据采集系统设计方案。该系统选用TMS320C6713BDSP芯片作为核心处理芯片,选用RTL8019AS作为以太网控制器;采用C语言编程,实现了数据预处理、前端仪器控制以及上位机通信功能;采用LabVIEW开发上位机人机交互界面,较好地实现了高维光谱数据采集功能。现场应用结果表明,该系统有效解决了高维光谱数据的高速采集及传输问题。

  3. 所属分类：其它

    • 发布日期：2020-05-11
    • 文件大小：470016
    • 提供者：weixin_38722721

  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. Dboost：一种基于DBSCAN的高维数据聚类的快速算法

  2. DBSCAN是一种经典的基于密度的聚类技术，在发现任意形状的聚类和处理噪声方面广为人知。 但是，面对高维数据时，密度计算非常耗时，这使得它在许多领域都效率低下，例如多文档摘要，产品推荐等。因此，如何有效地计算高维数据的密度成为了基于DBSCAN的群集技术的一个关键问题。 在本文中，我们提出了一种基于DBSCAN的高维数据聚类的快速算法，称为Dboost。 在我们的算法中，一种名为WAND＃的分级检索技术改编被新颖地应用于改进密度计算而没有精度损失，并且我们通过减少WAND＃的调用时间来进一步提高

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：525312
    • 提供者：weixin_38696176

  1. Numpy高维数据的理解

  2. 当实际处理多维变量时，尤其需要使用到Tensorflow这样深度学习库，比如，图片数据批次其形状为：N×H×W×CN×H×W×C,高维序列格式存在难以理解的问题。因此如何读懂这些高维序列是一个很基础的问题。列表和1-DNumpyarray如何检索一个列表中的元素，上图给出了很好的描述嵌套列表和2-DNumpy序列当嵌套两个List事情就变得很有趣了。2-D表示：矩阵、数据库里的表格、灰度图像上面是一个List里面嵌套了三个List，每个List都表示长方形表中的一个行向量在Python中访问一个

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：527360
    • 提供者：weixin_38702726

  1. 一种基于学习的高维数据c-近似最近邻查询算法

  2. 针对高维数据近似最近邻查询,在过滤-验证框架下提出了一种基于学习的数据相关的c-近似最近邻查询算法.证明了数据经过随机投影之后,满足语义哈希技术所需的熵最大化准则.把经过随机投影的二进制数据作为数据的类标号,训练一组分类器用来预测查询的类标号.在此基础上计算查询与数据集中数据对象的海明距离.最后,在过滤后的候选数据集上计算查询的最近邻.与现有方法相比,该方法对空间需求更小,编码长度更短,效率更高.模拟数据集和真实数据集上的实验结果表明,该方法不仅能够提高查询效率,而且方便调控在查询质量和查询处理

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：729088
    • 提供者：weixin_38653602

  1. vizuka：探索高维数据集以及您的算法如何处理特定区域-源码

  2. 数据可视化 这是表示和浏览高维数据集的工具的集合。 t-SNE算法默认设置为构造2D空间。 该模块应与所提供的数据无关。 它随MNIST一起提供，用于快速测试。 对于商业用途和用户支持，请联系Sofian Medbouhi（ ），后者提出具有附加功能的商业版本。 用法 如何安装 ？ $ pip install vizuka 或克隆仓库：） wordcloud需要build-essential # apt-get install build-essential 怎么跑？ $ v

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：2097152
    • 提供者：weixin_42104778

  1. hypertools：一个Python工具箱，用于获得对高维数据的几何见解-源码

  2. “要处理14维空间中的超平面，请可视化3D空间并大声说出“十四”。每个人都这样做。 ”-杰夫·欣顿（Geoff Hinton） 总览 HyperTools旨在促进基于降的高维数据可视化探索。 基本管道是输入一个高维数据集（或一系列高维数据集），并在单个函数调用中降低数据集的维数并创建图。 该软件包建立在许多熟悉的朋友之上，包括 ， 和 。 我们的软件包最近在。 对于一般概述，您可能会觉得很有用（作为达特茅斯一部分提供）。 试试吧！ 单击徽章以启动示例实例的活页夹实例： 要么 在HyperTo

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：14680064
    • 提供者：weixin_42128393

  1. Numpy高维数据的理解

  2. 当实际处理多维变量时，尤其需要使用到Tensorflow这样深度学习库，比如，图片数据批次其形状为：N×H×W×CN×H×W×C, 高维序列格式存在难以理解的问题。因此如何读懂这些高维序列是一个很基础的问题。列表和1-DNumpyarray 如何检索一个列表中的元素，上图给出了很好的描述嵌套列表和2-DNumpy序列 当嵌套两个List事情就变得很有趣了

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：525312
    • 提供者：weixin_38605801
« 12 3 4 5 6 7 8 9 10 »