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. 高维数据的低维表示综述

  2. 在科学研究中，我们经常要对数据进行处理。而这些数据通常都位于维数较高的空间，通常我们需要首先对数据进行降维，然后对降维后的数据进行处理。

  3. 所属分类：软件测试

    • 发布日期：2012-10-17
    • 文件大小：1048576
    • 提供者：xingxia0323

  1. 高维降维算法

  2. ISOMAP是一种流行学习算法，适用于高维降维，最早发表在《Science》上，特别适用于人脸识别上。 ISOMAP是一种流行学习算法，适用于高维降维，最早发表在《Science》上，特别适用于人脸识别上。

  3. 所属分类：其它

    • 发布日期：2013-05-16
    • 文件大小：642048
    • 提供者：michael_wubo

  1. 改进的LLE算法

  2. 对非线性高维数据降维算法--局部嵌入方法LLE的改进算法。

  3. 所属分类：数据库

    • 发布日期：2013-06-03
    • 文件大小：4096
    • 提供者：dzl40246505

  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. lasso算法matlab代码

  2. 用于高维数据降维lasso算法 matlab代码实现 功能丰富

  3. 所属分类：其它

    • 发布日期：2015-12-24
    • 文件大小：55296
    • 提供者：virousz

  1. 主成分分析（PCA）算法

  2. java源代码，主成分分析算法，将高维数据进行降维，从而提高聚类或分类效率。

  3. 所属分类：机器学习

    • 发布日期：2017-11-10
    • 文件大小：11264
    • 提供者：sinat_33720648

  1. 一个有关降维的综述.ppt

  2. 高维数据中包含大量的冗余并掩藏了重要关系的相关性，降维的目的就是消除冗余，减少被处理数据的数量，因而广泛用于数据分类和模式识别等领域。

  3. 所属分类：专业指导

    • 发布日期：2009-02-24
    • 文件大小：1048576
    • 提供者：cyj19881008

  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. 高维数据降维方法研究

  2. 本文介绍了MDS、Isomap等三种主要的高维数据降维方法,同时对这些降维方法的作用进行了探讨。

  3. 所属分类：算法与数据结构

    • 发布日期：2018-06-16
    • 文件大小：313344
    • 提供者：qq_28339273

  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. 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. 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. Lasso降维算法MATLAB

  2. 超高维数据降维算法，亲测可用，Lasso算法。输入数据第一列是y，2：end是x。

  3. 所属分类：算法与数据结构

    • 发布日期：2018-07-20
    • 文件大小：871
    • 提供者：qq_39478208

  1. 高维数据降维算法综述_景明利.pdf

  2. 分类介绍了目前具有代表性的数据降维方法，重点阐述了一种新的数据降维方法 － 压缩感 知，在此基础上，分析了各种数据降维算法的优缺点，并对数据降维研究中存在的问题进行了剖析．

  3. 所属分类：机器学习

    • 发布日期：2019-07-31
    • 文件大小：370688
    • 提供者：wmkoyo

  1. L-PCA算法下的高维图像降维算法研究

  2. 文中借鉴经典凸技术聚类算法中的全局线性降维算法PCA与LDA聚类算法思想,提出了一种改进型的PCA降维算法L-PCA,该算法在保证原有样本协方差结构不变的前提下,获取变换矩阵中最重要的主分量进行赋权,通过调节类内与类间离散矩阵,使得类内距离最小化、类间聚类最大化,来搜索一个合适的映射子空间来实现不同类别数据之间的划分。通过典型数据集下的实验结果很好的验证了L-PCA算法在一阶最近近邻分类器泛化误差、准确性以及目标数据表达连续性等方面的良好性能。

  3. 所属分类：其它

    • 发布日期：2020-06-15
    • 文件大小：440320
    • 提供者：weixin_38742520

  1. python数据预处理方式 :数据降维

  2. 数据为何要降维 数据降维可以降低模型的计算量并减少模型运行时间、降低噪音变量信息对于模型结果的影响、便于通过可视化方式展示归约后的维度信息并减少数据存储空间。因此，大多数情况下，当我们面临高维数据时，都需要对数据做降维处理。 数据降维有两种方式：特征选择，维度转换 特征选择 特征选择指根据一定的规则和经验，直接在原有的维度中挑选一部分参与到计算和建模过程，用选择的特征代替所有特征，不改变原有特征，也不产生新的特征值。 特征选择的降维方式好处是可以保留原有维度特征的基础上进行降维，既能满足后续数据

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：76800
    • 提供者：weixin_38616330

  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. 基于信息熵的高维稀疏大数据降维算法研究

  2. 基于信息熵的高维稀疏大数据降维算法研究

  3. 所属分类：其它

    • 发布日期：2021-02-08
    • 文件大小：935936
    • 提供者：weixin_38530415

  1.  基于图论的人脸图像数据降维方法综述

  2. 近几年基于图论的降维方法越来越得到人们的关注，本文针对人脸识别中的核心问题即对高维数据进行降维的目的，首先介绍了有关图论的基本概念，通过总结各种人脸图像降维的方法，将这些方法统一到图嵌入框架中。然后结合线性与非线性的角度分析了各种算法的优缺点，得出了非线性图嵌入算法在挖掘人脸图像中的非线性特征以及在数据降维方面均优于传统的方法。最后针对现有的构图方式所存在的问题对今后的研究与发展方向进行了讨论。

  3. 所属分类：其它

    • 发布日期：2021-01-30
    • 文件大小：1048576
    • 提供者：weixin_38626984
« 12 3 4 5 6 7 »