您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. ArcGIS 10.1新特性

  2. ArcGIS10.1新特性 1. 全新的服务器模型,智能支持云GIS架构 全新的站点模型取代SOM-SOC模型,集群更加灵活; 原生的64位软件,充分发挥计算机的性能优势; 新的服务发布方式及云端服务发布支持,使云端部署更便捷; 2. 地图服务能力增强,标准支持更加完善 增强的动态地图服务,支持海量动态图层自动快速发布 3. 崭新的私有云GIS门户产品,易用、简单、快速搭建 4. 内置轻量级服务器产品,搭建应用更便捷 推出轻量级的服务器产品Spatial Data Server,可非常轻便的快
  3. 所属分类:其它

    • 发布日期:2012-12-05
    • 文件大小:17408
    • 提供者:arcgis2010
  1. SOM数据集,用于机器学习中SOM分类使用

  2. 用于SOM自组织特征映射神经网络学习数据集,机器学习之自组织特征映射神经网络(SOM)python实现
  3. 所属分类:机器学习

    • 发布日期:2018-05-08
    • 文件大小:6144
    • 提供者:qq_26645205
  1. 简化粒子群优化结合SOM的网络入侵检测方法

  2. 针对互联网规模的不断扩大,网络服务更容易向入侵者和攻击者暴露信息,且攻击手段日趋复杂,提出了简化粒子群优化(SPSO)结合自组织映射(SOM)的网络入侵检测方法。根据特征判别力,使用PCA方法进行选择特征,生成非相关性特征过滤数据集噪声和低方差值特征。通过SOM与高斯混合模型(GAMM)混合方法来模拟正常模式与异常模式,测量每个网络单元的激活概率以检测所有高频率攻击的精确值,并运用概率SOM均值对特征空间进行分类,在此过程中,运用简化粒子群优化(SPSO)算法从分类搜索当前解的邻域内找到更优的
  3. 所属分类:系统安全

    • 发布日期:2018-06-17
    • 文件大小:205824
    • 提供者:qq_28339273
  1. 模拟电路故障诊断理论与方法.pdf

  2. 模拟电路故障诊断理论与方法pdf,模拟电路故障诊断理论与方法目录 引言 模拟电路故障诊断方法的分类 三;现代模拟电路故障诊断理论和方法 2.专家系统故障诊断方法 2.2神经网终故障诊断方法 222 2.3模拟故障诊断方法… 2.4小波变换故障诊断方法 2.5多传慼器信息融合故障诊断方法… 2.6基于 Agent技术的故障诊断方法 2.7基于其他理论的故障诊断方法…………………………………………6 四:结论 结束语 参考文献 ………………10 0引言 近年来,随着对模拟电路故障诊断技木硏究的进一
  3. 所属分类:其它

    • 发布日期:2019-09-14
    • 文件大小:2097152
    • 提供者:weixin_38743481
  1. 一种切实可行的球磨机故障诊断方法

  2. 球磨机是矿石研磨工艺中的关键设备,它的控制是一个比较复杂的系统,需考虑各种连锁条件,而利用自组织特征映射SOM——神经网络方法,以频谱和波形特征为依据,总结出它发生故障时的征兆集、故障集和故障特征,解决了球磨机的故障诊断这一难题。在MATLAB环境下给出了球磨机故障诊断的具体实例。理论研究和实验数据分析都表明该方法是一种可行有效的球磨机故障诊断方法。
  3. 所属分类:其它

    • 发布日期:2020-06-26
    • 文件大小:260096
    • 提供者:weixin_38611508
  1. 基于SOM网络和归一化切割(Ncut)的双层聚类和可视化(光线投射算法)

  2. 与一维传递函数相比,多维传递函数可以对体积对象进行更复杂的分类。但 是,当传递函数空间的维数超过 3-D 时,将其可视化和操作是不直观的,这使得 用户交互变得困难。所以针对多维传递函数的设计问题,提出了一种二维聚类方 法。一阶自组织图聚类(SOM)将高维特征数据投影到二维拓扑保留图中。二 阶聚类降低了 SOM 神经元的设计自由度。从大量的 SOM 神经元到可管理的簇。 在提供信息的 SOM 网络的指导下,用户通过选择集群以交互方式发现体素中有 趣的结构,在必要时可视化和修改集群结果。我们的界面跟
  3. 所属分类:医疗

    • 发布日期:2020-06-21
    • 文件大小:11534336
    • 提供者:weixin_38616018
  1. 四种聚类方法之比较

  2. 介绍了较为常见的k-means、层次聚类、SOM、FCM等四种聚类算法,阐述了各自的原理和使用步骤,利用国际通用测试数据集IRIS对这些算法进行了验证和比较。结果显示对该测试类型数据,FCM和k-means都具有较高的准确度,层次聚类准确度最差,而SOM则耗时最长。
  3. 所属分类:其它

    • 发布日期:2020-10-25
    • 文件大小:163840
    • 提供者:weixin_38672962
  1. 两种新颖的基于自组织图的混合情感学习算法

  2. 情绪在人类决策过程中起着重要作用,因此,在我们对人类React进行建模的过程中,应将其嵌入推理过程中。 阿德南·卡什曼(Adnan Khashman)等。 提出了一种情感反向传播(EmBP)学习算法,并将其成功应用于几种实际的模式识别任务。 但是,EmBP的情感输入值的设计不合理,因此可能导致其整个实现失败。 为了改善这一弱点,我们提出了一种新颖的基于自组织图的情绪神经网络(EmSOM)学习算法。 与EmBP相反,EmSOM的情感输入值是基于其相应关联的SOM块确定的,此外,在其设计中还考虑了网
  3. 所属分类:其它

    • 发布日期:2021-03-07
    • 文件大小:131072
    • 提供者:weixin_38637998
  1. Kohonen_Selft-Organizing_Feature_Map-源码

  2. Kohonen_Selft-Organizing_Feature_Map 自组织图(SOM)或自组织特征图(SOFM)是一种人工神经网络(ANN),使用无监督学习对其进行训练,以生成低维(通常为二维)离散化表示。训练样本的输入空间(称为地图),因此是一种进行降维的方法。 自组织映射不同于其他人工神经网络,因为它们应用竞争性学习而不是纠错学习(例如具有梯度下降的反向传播),并且从某种意义上说,它们使用邻域函数来保留输入空间的拓扑属性。 通过创建类似于多维缩放的高维数据的低维视图,这使SOM对于
  3. 所属分类:其它

    • 发布日期:2021-03-07
    • 文件大小:307200
    • 提供者:weixin_42102220
  1. 基于MST聚类的空间数据离群挖掘算法

  2. 空间离群是指空间邻域中属性特征值明显不同于其他对象的空间对象,空间数据离群挖掘能为人们提供很多有趣的信息,但空间数据具有复杂的拓扑关系、方位关系和度量关系等空间特征,传统的面向事务型数据库的离群挖掘算法并不适用于空间数据库。本文提出了基于MST(Minimum Spanning Tree,最小生成树)聚类的空间数据离群挖掘算法(SOM);有机结合了最小生成树理论与密度的方法,既体现了空间离群的局部特性,又体现了空间离群的孤立程度。该算法通过MST维护空间数据的基本空间结构特征,通过打断MST中最
  3. 所属分类:其它

    • 发布日期:2021-02-22
    • 文件大小:422912
    • 提供者:weixin_38628175
  1. 基于谐波分析算法的干旱区绿洲土壤光谱特性研究

  2. 土壤有机质(SOM)含量是评价土壤肥力的重要指标。以新疆渭-库绿洲为研究区, 对室内获取的SOM含量及反射光谱数据进行Savitzky-Golay (S-G)平滑和一阶微分(FD)预处理。在此基础上, 为减小敏感波段遴选对建模精度的影响, 引入谐波分析(HA)算法对全波段光谱数据进行谐波分解。基于主成分分析(PCA)降维后的7个主分量对SOM含量进行基于反向传播(BP)神经网络、遗传算法(GA)-BP神经网络和多元线性回归(MLR)方法的定量估算, 并对估算精度进行比较。结果表明:HA预处理后的
  3. 所属分类:其它

    • 发布日期:2021-02-12
    • 文件大小:9437184
    • 提供者:weixin_38501363
  1. 品种:MongoDB的模式分析器-源码

  2. 满足Variety,MongoDB的架构分析器 这个轻量级的工具可帮助您了解应用程序的架构以及该架构的任何异常值。 当您继承带有数据转储的代码库并想快速了解数据的结构时,此功能特别有用。 查找稀有密钥也很有用。 “我碰巧慢慢爱上了综艺! 实际上,它是了解混乱/未知数据集的最有用工具之一,我在Zipfian Academy的一些练习中都使用了它。” 联合创始人乔恩·迪努(Jon Dinu) 还出现在。 一个简单的例子 我们将收集: db.users.insert({name: "Tom",
  3. 所属分类:其它

    • 发布日期:2021-02-03
    • 文件大小:29696
    • 提供者:weixin_42149145
  1. sparse-som:稀疏数据的高效自组织映射-源码

  2. 稀疏 稀疏输入数据的自组织映射的高效实现。 该程序使用一种专门用于稀疏数据的算法,该算法比非常稀疏的数据集上的经典算法要快得多(时间复杂度仅取决于非零值)。 主要特点 针对稀疏数据(LIBSVM格式)进行了高度优化。 支持在线和批处理SOM算法。 并行批处理实现(OpenMP)。 与操作系统无关。 支持。 建立 从主目录构建cli工具的最简单方法是: cd src && make all 。 编译终止后,产生的可执行文件可以在发现build目录。 建议使用GCC,但如果需要,可以使用
  3. 所属分类:其它

    • 发布日期:2021-01-31
    • 文件大小:4194304
    • 提供者:weixin_42112658
  1. som-dst:SOM-DST-源码

  2. SOM-DST 此代码是进行pytorch正式实现。 ,, ,在ACL 2020中。 要求 python3.6 pytorch-transformers==1.0.0 torch==1.3.0a0+24ae9b5 wget==3.2 下载和预处理数据 要下载MultiWOZ数据集并对其进行预处理,请首先运行此脚本。您可以选择数据集的版本。 (“ 2.1”,“ 2.0”)下载的原始数据集将位于$DOWNLOAD_PATH ,经过预处理后,它将位于$TARGET_PATH 。 python3 cr
  3. 所属分类:其它

    • 发布日期:2021-03-21
    • 文件大小:270336
    • 提供者:weixin_42139252