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]！  

查看会员资料

用 户 名：qq_28******

转帐 | 发送消息
  • 用户积分：
    0 分
  • Email：
    用户隐藏
  • Icq/MSN：
  • 电话号码：
  • Homepage：
  • 会员简介：

最新会员发布资源

  1. 高维数据的降维理论及应用

    0下载量：
  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：
    • 文件大小：4194304

  1. C程序员语言面试100经典题

    0下载量：
  2. 中兴、华为、慧通、英华达、微软亚洲技术中心等中外企业面试题目

  3. 所属分类：C

    • 发布日期：
    • 文件大小：1048576

  1. 移动IP技术指南

    0下载量：
  2. 移动IP技术指南移动IP是移动通信和IP的深层融合，也是对现有移动通信方式的深刻变革，它将真正实现话音和数据的业务融合，它的目标是将无线话音和无线数据综合到一个技术平台上传输，这一平台就是IP协议。

  3. 所属分类：网络基础

    • 发布日期：
    • 文件大小：7340032

  1. 基于数据降维的机器学习分类应用问题探讨

    0下载量：
  2. 海量数据的涌现与数据维度的提升,让数据的噪声与冗余特征带来的负面影响呈现出了严重化的趋势。在降低数据维度的基础上,提升数据的分类精度是机器学习领域需面对的重要问题。本文主要从数据降维方法与机器学习分类方法的内容入手,对基于数据降维的机器学习分类应用问题进行分析。

  3. 所属分类：机器学习

    • 发布日期：
    • 文件大小：1048576

  1. 深度学习降维过程中的信息损失度量研究

    0下载量：
  2. 深度学习是当前智能识别、数据挖掘等领域最重要的研究方向,通过组合低层特征,形成更加抽象的高层表示属性类别或特征,以发现数据的分布式特征表示.数据降维是深度学习过程中最为常见的一种过程,通过降维,能够去除数据间的相关性,便于提取更为有用的数据特征,提升识别率,加快识别速度.数据降维过程中,必然导致数据信息的损失,如何统计运用这个信息损失,目前还少有相关文献进行研究.通过对栈式自编码器深度学习算法进行研究,提出一种深度学习降维信息损失度量方法,将香农信息理论运用到降维信息损失度量中,计算深度学习降

  3. 所属分类：深度学习

    • 发布日期：
    • 文件大小：890880

  1. 高维纵向数据分析中的降维方法研究

    0下载量：
  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：
    • 文件大小：115712

  1. 一种基于局部结构保持的数据降维方法

    0下载量：
  2. 针对传统线性回归方法进行数据降维,不能很好地利用数据间几何结构的问题,提出了一种基于局部结构保持的数据降维方法.利用非负约束下的最小二乘构造关系图,从而描述局部近邻几何信息.在将全局结构信息与局部结构信息整合时,设计了一种新的模型选择方法用于模型参数估计,极大地减少了计算量.在公测库ORL、YaleB、USPS、20Newgroup、Isolet上的实验结果表明,该方法用于数据分类时优于ULD、OLDA和NPE等方法.

  3. 所属分类：机器学习

    • 发布日期：
    • 文件大小：216064

  1. 深度学习国内研究综述

    0下载量：
  2. 近年来,深度学习逐渐成为学科教学领域的一个热点话题。本文采用内容分析法,对国内公开发表的深度学习相关学术、学位论文进行统计分析,从文献年度分布、文献来源、研究热点、研究内容和发展趋势五个方面依次解读,以期总结我国深度学习研究现状,发现问题,提出建议。

  3. 所属分类：深度学习

    • 发布日期：
    • 文件大小：870400

  1. 深度学习在控制领域的研究现状与展望

    0下载量：
  2. 深度学习在特征提取与模型拟合方面显示了其潜力和优势.对于存在高维数据的控制系统,引入深度学习具有一定的意义.近年来,已有一些研究关注深度学习在控制领域的应用.本文介绍了深度学习在控制领域的研究方向和现状,包括控制目标识别、状态特征提取、系统参数辨识和控制策略计算.并对相关的深度控制以及自适应动态规划与平行控制的方法和思想进行了描述.总结了深度学习在控制领域研究中的主要作用和存在的问题,展望了未来值得研究的方向.

  3. 所属分类：深度学习

    • 发布日期：
    • 文件大小：820224

  1. 大数据系统和分析技术综述

    0下载量：
  2. 首先根据处理形式的不同,介绍了不同形式数据的特征和各自的典型应用场景以及相应的代表性处理系统,总结了大数据处理系统的三大发展趋势;随后,对系统支撑下的大数据分析技术和应用(包括深度学习、知识计算、社会计算与可视化等)进行了简要综述,总结了各种技术在大数据分析理解过程中的关键作用;最后梳理了大数据处理和分析面临的数据复杂性、计算复杂性和系统复杂性挑战,并逐一提出了可能的应对之策.

  3. 所属分类：算法与数据结构

    • 发布日期：
    • 文件大小：683008

  1. 大数据时代的个人隐私保护

    0下载量：
  2. 随着信息技术的发展,以Web2.0技术为基础的博客、微博、社交网络等新兴服务和物联网以前所未有的发展速度产生了类型繁多的数据,而云计算为数据的存储提供了基础平台,这一切造就了大数据时代的正式到来.大数据中蕴藏着巨大的价值,是企业的宝贵财富.但大数据同时也带来了巨大的挑战,个人隐私保护问题就是其中之一.迅速发展的互联网已经成为人们生活中不可或缺的一部分,人们在网络上留下了许多数据足迹,这些数据足迹具有累积性和关联性,将多处数据足迹聚集在一起,就可以发现个人的隐私信息.恶意分子利用这些信息进行欺诈

  3. 所属分类：算法与数据结构

    • 发布日期：
    • 文件大小：709632

  1. 大数据安全与隐私保护

    0下载量：
  2. 大数据(Big Data)是当前学术界和产业界的研究热点,正影响着人们日常生活方式、工作习惯及思考模式.但目前大数据在收集、存储和使用过程中面临着诸多安全风险,大数据所导致的隐私泄露为用户带来严重困扰,虚假数据将导致错误或无效的大数据分析结果.该文分析了实现大数据安全与隐私保护所面临的技术挑战,整理了若干关键技术及其最新进展.分析指出大数据在引入安全问题的同时,也是解决信息安全问题的有效手段.它为信息安全领域的发展带来了新的契机.

  3. 所属分类：算法与数据结构

    • 发布日期：
    • 文件大小：498688