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. 高维离群点检测论文，英文的

  2. 主要用于高维离群点检测，国外期刊论文，英文

  3. 所属分类：专业指导

    • 发布日期：2010-09-16
    • 文件大小：238592
    • 提供者：luna_zhu

  1. 数据挖掘论文集，很多论文打包

  2. 交易数据的聚类分析.pdf 基于粗糙集理论的数据挖掘算法研究.pdf 基于粗糙集的数据挖掘与决策支持方法研究.pdf 基于粗糙集的数据挖掘方法研究.pdf 基于自然计算的模糊聚类新算法研究.pdf 对聚类及聚类评价若干问题的研究.pdf 数据挖掘中的聚类方法及其应用——基于统计学视角的研究.pdf 数据挖掘中聚类若干问题研究.pdf 粗糙集扩展模型及其在数据挖掘中的应用研究.pdf 粗糙集理论在数据挖掘领域中的应用.pdf 聚类方法及其应用研究.pdf 高维数据流聚类分析及离群点检测研究.pd

  3. 所属分类：其它

    • 发布日期：2011-06-20
    • 文件大小：46137344
    • 提供者：wtzmax

  1. 一种基于密度的离群点检测方法

  2. 　基于密度的局部离群点检测算法（ＬＯＦ）的时间复杂度较高且不适用于大规模数据集和高维数据集的离群点检测。

  3. 所属分类：数据库

    • 发布日期：2015-06-15
    • 文件大小：1048576
    • 提供者：t1989_

  1. 基于网格划分的高维大数据集离群点检测算法研究

  2. 基于网格划分的高维大数据集离群点检测算法研究

  3. 所属分类：讲义

    • 发布日期：2016-12-20
    • 文件大小：2097152
    • 提供者：u012376758

  1. 面向工业大数据的多层增量特征提取方法

  2. 针对工业大数据中高维小样本情况导致增量线性判别分析失效问题,提出了一种面向工业大数据的多层增量特征提取方法,对高维小样本数据进行有效降维,并最大限度保留样本的变异信息和判别信息。首先,利用滑动窗口增量实时更新数据流,检测和过滤离群点,基于增量主成分分析对数据进行初步特征提取,利用Fisher准则函数量化各主元所包含的分类信息;然后,采用熵值法确定各主元贡献率和识别能力的权重,对主元进行筛选,由筛选出的主元构成新的特征空间;最后,将当前窗口的高维数据通过增量线性判别分析投影,完成二次特征提取的同

  3. 所属分类：算法与数据结构

    • 发布日期：2018-06-20
    • 文件大小：515072
    • 提供者：qq_28339273

  1. scikit-learn-0.21.3-中文文档.pdf

  2. scikit-learn 是基于 Python 语言的机器学习工具 简单高效的数据挖掘和数据分析工具 可供大家在各种环境中重复使用 建立在 NumPy ，SciPy 和 matplotlib 上 开源，可商业使用 - BSD许可证1.监督学习 1广义线性模型 °1.1.1普通最小二乘法 1.1.2岭回归 1.1.3LaSs0 o1.1.4多任务 Lasso 115弹性网络 o116多任务弹性网络 1.1.7最小角回归 1.1. 8 LARS Lasso 1.19正交匹配追踪法(OMP 1.1.1

  3. 所属分类：机器学习

    • 发布日期：2019-08-24
    • 文件大小：41943040
    • 提供者：h394266861

  1. 高维数据的快速两级近似欧几里德最小生成树算法

  2. 欧几里得最小生成树算法通常以二次计算复杂性运行，这对于大规模的高维数据集不切实际。 在本文中，我们针对高维数据提出了一种新的两级近似欧几里德最小生成树算法。 在第一级中，我们对给定的数据集执行离群值检测，以识别少量边界点，然后在简化的数据集上运行标准的Prim算法。 在第二级中，我们进行k近邻搜索以完成近似的欧几里德最小生成树构造过程。 在样本数据集上的实验结果证明了该方法的有效性，同时保持了较高的近似精度。

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：2097152
    • 提供者：weixin_38719578

  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. 基于粗糙熵的离群点检测方法及其在无监督入侵检测中的应用

  2. 香农的信息熵被广泛用于粗糙集.利用粗糙集中的粗糙熵来检测离群点,提出一种基于粗糙熵的离群点检测方法,并应用于无监督入侵检测.首先,基于粗糙熵提出一种新的离群点定义,并设计出相应的离群点检测算法-----基于粗糙熵的离群点检测(rough entropy-based outlier detection,REOD);其次,通过将入侵行为看作是离群点,将REOD应用于入侵检测中,从而得到一种新的无监督入侵检测方法.通过多个数据集上的实验表明,REOD具有良好的离群点检测性能.另外,相对于现有的入侵检测

  3. 所属分类：其它

    • 发布日期：2021-01-12
    • 文件大小：395264
    • 提供者：weixin_38690739