高维数据相关论文
针对大数据时代的高维数据重复检测的去重问题,通过借助聚类的特性,采用一种聚类更为紧凑的NSKSA构建R-树,使空间索引结构更优,降低了......
随着科学技术的发展,计算机储存的能力逐渐增强,使得各行各业出现的高维数据得以保存。对于维数相对于样本量很大的高维数据,很多......
大数据与网络调查的发展促进了非概率抽样的发展,大多数网络调查样本属于非概率样本,同时可能出现协变量较多,甚至是高维的数据,在......
得益于基因组学技术、高通量测序技术及生物信息分析技术的迅猛发展,研究人员能够获得海量生物数据对疾病进行深入研究,并在许多领......
针对当前食品安全预警性能差的问题,基于大数据和人工智能技术构建出新型食品安全溯源及预警系统,通过大数据技术对食品流通各个环......
许多文献研究了两样本均值向量是否相等这一检验问题。对于高维数据,一些传统的检验方法,例如t检验、u检验和Hotelling T2检验等已......
随着大数据时代的到来,高维数据广泛地应用于金融、生物、物理等领域.但是在假设检验问题中考虑高维似然比统计量时,很多传统的统......
偏相关系数能够衡量消除一系列控制变量的影响后两个随机变量之间的相关关系。但如果控制变量是高维的,那么偏相关系数的估计会变......
在常见的半监督分类算法中,基于图的半监督分类算法在近年来取得了不俗的分类效果。传统的基于图的半监督算法有两个主要缺点。首......
近年来,模式识别作为人工智能中的重要领域得到了广泛的关注。针对现阶段模式识别中的分类任务,研究者需要处理的数据常常具有两个......
随着数据维度在许多应用领域的不断增加,特征选择作为避免维度灾难、增强模型泛化能力的一个重要步骤,正受到越来越多研究者的关注......
线性模型是应用最为广泛的统计模型之一。在金融、生物、医学等各个领域有着广泛的应用。通过构建模型、估计模型系数,我们不仅能......
图像生成研究在图像领域有着非常重要的意义,例如风格转换、图像超分辨率重建、自然语言生成、医学数据生成、物理建模等等。尽管......
阐述统计数据呈现出多样化,高维数据的处理,变量选择和设置假定条件,探讨高维回归中Lasso、Adaptive Lasso、Group Lasso、SCAD方......
汽油辛烷值不仅影响汽油的经济效益,也关乎汽车尾气排放量,因此精确预测成品汽油的辛烷值对国民经济发展和环境保护都有着重要意义......
在当今时代,随着时代和科技的发展,伴随着基因问题的兴起,一种新的数据——高维数据,出现在各个领域,给传统的统计多元统计理论以......
在舰船信息智能控制软件的研究中,常规的软件测试方法在数据流上存在冲突问题,导致测试方法的执行效率比较低.针对这一问题,提出舰......
本文主要研究高维数据的本征维数估计问题。本征维数估计方法研究是高维数据处理领域的重要研究方向,准确的寻求本征维数可以帮助......
当今,随着科学技术的高速发展,高维数据渐渐出现在我们的视野里,同时也在越来越多的领域中得以应用,例如在生物学和金融研究等方面......
目的头颈部鳞癌(Head and Neck Squamous Cell Carcinoma,HNSC)患者在诊断时往往已处于局部晚期或转移性阶段,传统放化疗对患者预后......
针对启发式特征选择和特征聚类驱动特征选择方法的不足,研究了决策依赖的特征冗余性问题,提出了一种基于邻域粗糙集的决策依赖特征......
本文主要研究高维数据降维的复合降维技术问题。降维技术是高维数据处理领域一个最为重要的研究方向,是一切高维数据处理的基本出......
随着大数据时代的到来,数据挖掘技术成为了当下炙手可热的研究对象,其中离群点挖掘技术作为数据挖掘领域中的重要组成部分,也得到......
随着互联网技术和社会的进步发展,各个科学领域都产生了大量、多维、结构复杂的数据。分析和研究过程中,存在的大量高维数据和未标......
随着计算机等网络设备的广泛应用,数据量的激增,大数据量的分析已经成为了数据分析中的重要一环。而高维数据分析是大数据分析的重......
数据驱动技术在当今工业过程中的广泛应用使得异常数据问题变得十分突出。然而,由于工业系统及其工作环境的复杂性,异常数据的检测......
传统的数据挖掘算法在面向大规模高维数据的挖掘过程中,存在数据特征捕捉准确率低、节点负载不均衡、数据交互频繁、频繁项集紧凑......
数据发布时的隐私保护问题以及如何防止用户隐私泄露已成为网络空间安全领域的研究热点。目前,该问题的最新解决方案是使用差分隐......
针对当前分流策略无法应对高维数据的冗余度、复杂性以及动态变化,为了有效提升云计算高维数据的分流精度与分流效率,以云计算环境......
大数据背景下,基于罚函数的正则化方法是高维数据变量选择的重要方法.Lasso估计是常用的变量选择方法,而Lasso正则化参数的取值直......
含异常值的数据和高维数据越来越频繁地出现,对现有的稳健估计和多元线性回归估计方法提出了挑战.传统的多元线性回归模型估计对异......
异常检测已广泛应用于多个应用领域,如网络入侵检测、信用卡欺诈检测等.数据维度的增加导致出现许多不相关和冗余的特征,这些特征......
目的 观察性研究中使用倾向性评分法估计因果效应依赖于不存在未测量混杂假设.随着大数据时代的到来,越来越多的处理前协变量可被......
随着时代发展,机器学习算法所使用的数据维度以及样本数量均已达到前所未有的规模。传统的聚类算法的假设已不再有效,其时间复杂度......
异常检测是一种重要的数据挖掘手段,它的目标在于发掘与大多数对象不同的对象,这部分对象被称为异常点或离群点。在实际应用中,异......
随着信息的飞速发展,海量的数据涌现出来。如何在这些海量数据中寻找高维数据,并在高维数据中快速挖掘有效的信息是当前最需要解决......
在信息时代,机器学习算法通常需要处理大量高维数据。数据的维度高意味着其含有大量的特征,这通常给模型的建立带来困难,例如分类......
随着计算机科学技术迅猛发展,人类进入了大数据时代,数据收集越来越容易,与此同时数据库的规模越来越大,复杂性也越来越高,呈现高......
聚类是一种重要的无监督数据分析技术,它主要用于将数据对象分块,并生成簇集。簇集内,簇内对象比簇间对象更相似。在数据聚类中,一......
随着计算机能力和科学技术的快速发展,人们获得的数据所包含的信息越来越多,高维数据的统计推断问题研究已经成为十几年来炙手可热......
随着科学技术的发展,数据的维数越来越高,这时变量选择就扮演着越来越重要的角色.有效的变量选择方法通过筛选掉不重要的变量,得出......
数据维度相关性分析一直以来是数据分析领域的研究重点,随着大数据在当今社会各个应用方面的快速发展,数据信息量出现了指数式增长......