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. Fisher线性判别实验

  2. 一、实验目的 应用统计方法解决模式识别问题的困难之一是维数问题， 低维特征空间的分类问题一般比高维空间分类问题简单。 因此， 人们力图将特征空间进行降维， 降维的一个基本思路是将 d 维特征空间投影到一条直线上， 形成一维空间， 这在数学上比较容易实现。 问题的关键是投影之后原来线性可分的样本可能变为线性不可分。 一般对于线性可分的样本， 总能找到一个投影方向， 使得降维后样本仍然线性可分。 如何确定投影方向使得降维以后， 样本不但线性可分， 而且可分性更好（即不同类别的样本之间的距离尽可能远

  3. 所属分类：专业指导

    • 发布日期：2010-05-08
    • 文件大小：120832
    • 提供者：taoofenn

  1. 给定一组高维（n=128维）特征数据A，建立一种高效的检索结构

  2. 功能：实现高维数据检索算法 实现：进入程序后程序提示用户输入特征数据集A和B的文件名。程序根据用户的输入打开文件并开始操作，完成所有操作并打印到屏幕上后，程序退出 要求： 给定一组高维（n=128维）特征数据A，建立一种高效的检索结构。在建立好检索结构后，给定几组同样规模大小的高维（128维）特征数据集Bi, i=1,2,..m，请实现一种快速的检索方法，针对每个数据集Bi中的特征数据，寻找其在数据集A中的最近邻元素（最近邻元素定义为两者之间的欧式距离最小），然后根据全搜索得到的最近邻结果，统

  3. 所属分类：其它

    • 发布日期：2010-07-01
    • 文件大小：3072
    • 提供者：olive215

  1. 数据结构课程设设计

  2. 加减乘运算器。要 求：使用给定文件进行输入输出，必须采用双向链表实现任意位数的正负整数或小数的加法、减法和乘法运算。每个结点存储一位数字。算出的结果若是小数，整数部分的高位若为0要去掉，小数部分的低位若为0要去掉，若0085.56700，最后结果应为85.567。高维数据检索方法的实现及评价问题描述：建立高维数据的检索结构，并实现快速的检索方法。要 求： 给定一组高维（n=128维）特征数据A，建立一种高效的检索结构。在建立好检索结构后，给定几组同样规模大小的高维（128维）特征数据集Bi,

  3. 所属分类：其它

    • 发布日期：2008-06-27
    • 文件大小：1048576
    • 提供者：Lytoer

  1. 高维统计方法

  2. 高维统计方法 高维统计方法 高维统计方法 高维统计方法 高维统计方法

  3. 所属分类：教育

    • 发布日期：2012-05-22
    • 文件大小：5242880
    • 提供者：johntom86314

  1. 高斯过程回归方法综述.

  2. 高斯过程回归是基于贝叶斯理论和统计学习理论发展起来的一种全新机器学习方法, 适于处理高维数、小 样本和非线性等复杂回归问题.

  3. 所属分类：数据库

    • 发布日期：2013-10-24
    • 文件大小：243712
    • 提供者：u012557435

  1. 投影追踪法

  2. 投影寻踪是处理和分析高维数据的一类统计方法，其基本思想是将高维数据投影到低维（1～3维）子空间上，寻找出反映原高维数据的结构或特征的投影，以达到研究和分析高维数据的目的。 本内容不仅包含了投影追踪法的代码，还有论文以及简明的介绍。

  3. 所属分类：算法与数据结构

    • 发布日期：2017-12-22
    • 文件大小：859136
    • 提供者：qq_36513097

  1. 高维纵向数据分析中的降维方法研究

  2. 伴随着计算机技术的不断更新与发展,现实生活中收集到的数据种类已经越来越多,数据结构已经越来越复杂。其中,对于高维纵向数据的分析已经成为统计界的一个研究热点。伴随着计算机技术的不断更新与发展,现实生活中收集到的数据种类已经越来越多,数据结构已经越来越复杂。其中,对于高维纵向数据的分析已经成为统计界的一个研究热点。本文研究了高维纵向数据的研究方法及其常见处理模型。

  3. 所属分类：机器学习

    • 发布日期：2018-06-14
    • 文件大小：115712
    • 提供者：qq_28339273

  1. 数据异常剔除方法

  2. 拉依达方法、肖维勒方法、一阶差分法，1. 111 基于统计的异常点检测算法 2. 112 基于距离的异常点检测算法 3. 113 基于密度的异常点检测算法 4. 114 基于深度的异常点检测算法 5. 115 基于偏移的异常点检测算法 6. 116 高维数据的异常点检测算法 7. 121 时间序列相关背景 8. 122 基于离散傅立叶变换的时间序列相似性查找

  3. 所属分类：机器学习

    • 发布日期：2018-12-21
    • 文件大小：371712
    • 提供者：mning_master0

  1. Philip S. Yu 团队最新综述！社区发现的深度学习方法：进展、挑战、机遇

  2. 网络中的社区指的是一组由节点以及与其相连的边紧密地形成的实体。社区发现旨在遵循「社区中的节点紧密相连，不同社区间的节点稀疏相连」的规则对实体集合进行聚类。包括谱聚类、统计推断在内的传统社区发现方法在处理高维图数据时存在计算速度的问题。因此，近年来，深度学习方法被广泛地应用。

  3. 所属分类：机器学习

    • 发布日期：2020-05-18
    • 文件大小：1048576
    • 提供者：syp_net

  1. 管代数，激发统计和拓扑相量规模型中的压缩

  2. 我们考虑（d + 1）维Dijkgraaf-Witten理论的晶格哈密顿量。 在（2 + 1）d中，众所周知，哈密顿量产生的点状激发是通过扭曲量子双倍的不可约表示来分类的。 这可以使用管代数方法来确认。 在本文中，我们提出了在任何维度上都有效的这种策略的概括。 然后，我们应用这种概括来推导（3 + 1）d中的环状激励的代数结构，即扭曲量子三元组。 扭曲量子三重代数的不可约表示对应于模型的简单环状激励。 类似于其（2 + 1）d对应物，扭曲量子三元组配备了兼容的共乘图和R矩阵，分别编码了环状激发的

  3. 所属分类：其它

    • 发布日期：2020-03-27
    • 文件大小：1048576
    • 提供者：weixin_38649356

  1. 物理海洋数据可视化分析方法研究

  2. 物理海洋数据可视化分析方法研究，张玉娟，郭东琳，当前物理海洋数据突显出网格模型复杂化、高维、时变、海量的发展趋势，在查询统计、制图表达等方面面临严峻挑战。论文在对多维物

  3. 所属分类：其它

    • 发布日期：2020-02-12
    • 文件大小：868352
    • 提供者：weixin_38688550

  1. 多元统计分析与中医证候规范化研究

  2. 多元统计分析与中医证候规范化研究，白云静，申洪波，多元统计方法主要探讨高维数据的内在规律,是数理统计学中近20多年来迅速发展的一个分支，由于建立统一、客观的中医证候诊断标准是

  3. 所属分类：其它

    • 发布日期：2020-01-06
    • 文件大小：352256
    • 提供者：weixin_38689976

  1. ESL2.5 高维问题的局部方法学习笔记（含泛化误差分解&MSE分解）

  2. 2.5 高维问题的局部方法 这是一篇有关《统计学习基础》，原书名The Elements of Statistical Learning的学习笔记，该书学习难度较高，有很棒的学者将其翻译成中文并放在自己的个人网站上，翻译质量非常高，本博客中有关翻译的内容都是出自该学者的网页，个人解读部分才是自己经过查阅资料和其他学者的学习笔记，结合个人理解总结成的原创内容。 原文 The Elements of Statistical Learning 翻译 szcf-weiya 时间 201

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：592896
    • 提供者：weixin_38659805

  1. RadAR:进行高维放射数据集综合分析的工具-源码

  2. 雷达 使用R进行放射学分析（RadAR）是R的软件包，用于对高维放射学数据集进行全面分析。 介绍 生物医学图像的定量分析，被称为放射学，正在成为促进临床决策和改善患者分层的一种有前途的方法。典型的放射学工作流程包括图像采集，分割，特征提取和高维数据集分析。尽管近年来已经建立了主要的放射学分析程序，但是由于缺乏用于进行放射学分析的专用工具，因此处理放射线数据集仍然是一个挑战。 在这里，我们介绍RadAR（带有R的放射学分析），这是一种可以对放射学特征进行全面分析的新软件。 RadAR允许用户从数据

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：12582912
    • 提供者：weixin_42165490

  1. 在内核空间中使用高阶统计信息进行盲源分离

  2. 目的-基于高阶统计（HOS）的盲源分离（BSS）技术已应用于分离数据以获得比基于二阶统计量的方法更好的性能。 成本函数构造基于HOS的分离标准的结果是一个复杂的非线性函数，难以优化。 的目的本文旨在有效地解决这一非线性优化问题，从而获得具有比传统的BSS方法具有更高的准确性。 设计/方法/方法-本文中的一项新技术基于提出了内核空间中的HOS。 所提出的方法首先将混合数据映射到高维内核通过非线性映射的空间，然后基于高阶分离准则构造成本函数在内核空间中。 使用定义为内部乘积的内核函数构造成本函数内核

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：12288
    • 提供者：weixin_38601215

  1. 使用超聚类的基于超立方体的高维索引

  2. 高维索引结构。首先通过联合在基于“过滤-精炼”（过滤器和优化）的查询过程中，计算查询点与各个类之间的距离下界，实现对聚类的有效过滤。为了提高距离下界对真实距离的逼近能力，采用了一种基于统计优化的超立方体区域描述方法SOHC2（基于统计优化的超多维数据集），能够更加有效地缩小搜索空间，提高查询性能。理论分析和实验结果都表明，SOHC2的查询性能明显优于其他索引方法，适合大规模高维数据的查询；与同类索引结构索引，查询速度能够提高3倍以上。

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：1018880
    • 提供者：weixin_38690522

  1. 一种用于隐写测评的图像纹理复杂度估计方法

  2. 在评估图像隐写算法安全性及隐写分析性能时,隐写嵌入率等参数是重要的评价指标,而图像纹理差异对评价的影响很容易被忽略。为此,基于图像高维统计模型,提出一种新的针对隐写应用的图像纹理复杂度度量方法,用于衡量图像间的纹理差异。根据纹理复杂度对图像进行分类,单独在每一类不同纹理复杂度的图像集上评估隐写分析的检测性能。实验结果表明,该方法能有效地评价隐写的安全性。

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：229376
    • 提供者：weixin_38750644

  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

  1. 基于Hadoop云平台的并行数据挖掘方法

  2. 业界已经开始运用云平台来处理海量高维数据,将各种异构系统仿真为一个系统,其中在Hadoop环境进行数据挖掘会遇到数据模型的全局性、HDFS的文件随机写操作、数据生命周期短等问题。为解决这些问题,在Hadoop上实现高效海量数据挖掘,提出了在Hadoop上一种高效数据挖掘框架,利用数据库来模拟链表结构,管理挖掘出来的知识,提供了树形结构、图模型的分布式计算方法;在此基础上实现一个统计算法——Yscore分箱算法,以及决策树和KD树的建树算法;并利用Vega云对Hadoop集群进行仿真。实验数据表明

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：500736
    • 提供者：weixin_38606404

  1. Python使用三种方法实现PCA算法

  2. 主成分分析，即Principal Component Analysis（PCA），是多元统计中的重要内容，也广泛应用于机器学习和其它领域。它的主要作用是对高维数据进行降维。PCA把原先的n个特征用数目更少的k个特征取代，新特征是旧特征的线性组合，这些线性组合最大化样本方差，尽量使新的k个特征互不相关。关于PCA的更多介绍，请参考：https://en.wikipedia.org/wiki/Principal_component_analysis. 主成分分析（PCA） vs 多元判别式分析（MD

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：84992
    • 提供者：weixin_38597970
« 12 3 4 »