CDN加速镜像 | 设为首页 | 加入收藏夹
当前位置: 首页 资源下载 源码下载 数值算法/人工智能 数据挖掘 搜索资源 - Object

搜索资源列表

  1. Rtree

    0下载:
  2. R树是GUTTMAN于1984年提出的最早支持有序扩展的对象存取方法之一,也是目前应用最为广泛的一种空间索引结构,该资料为其的应用。-R tree is one of GUTTMAN first proposed in 1984 to support an orderly expansion of the Object Access Method, is currently the most widely used of a spatial index structure for the app
  3. 所属分类:Data Mining

    • 发布日期:2017-05-28
    • 文件大小:10.61mb
    • 提供者:taoshuqing
  1. agenes

    0下载:
  2. 基于层次聚类的算法.最初将每个对象作为一个簇,然后这些簇按照某些规则一个个合并起来-The algorithm based on the hierarchical clustering algorithm, which is used as a cluster of each object at first, then the clusters are merged according to some rules.
  3. 所属分类:Data Mining

    • 发布日期:2017-04-30
    • 文件大小:7.7kb
    • 提供者:zhangzhen
  1. ProcessData

    0下载:
  2. 以数据分割为中心进行探讨对数据进行分割,可缩小待访问数据对象的范围或磁盘空间,提高检索性能,把分割后的数据放到不同的磁盘上,提高数据库并行访问的能力-To split the data into the data center to explore split, the data object to be accessed can be reduced scope or disk space to improve the retri performance, the data is divid
  3. 所属分类:Data Mining

    • 发布日期:2017-04-12
    • 文件大小:570byte
    • 提供者:lifan
  1. ecoli

    0下载:
  2. 聚类是将数据对象分组成多个簇(Cluster),同一个簇内 部的任意两个对象之间具有较高的 ),同一个簇内 部的任意两个对象之间具有较高的 相似度,而属于不同簇 的两个对象间具有较高的 ,而属于不同簇 的两个对象间具有较高的 相异度。相异度可以根据描述对 象的属性值计算,对象间的距离是最常采用的度量指标。-Clustering is a data object into a plurality of clusters (the Cluster), with a clu
  3. 所属分类:Data Mining

    • 发布日期:2017-05-04
    • 文件大小:222.39kb
    • 提供者:明月
  1. lof

    0下载:
  2. LOF(局部异常因子)是用于识别基于密度的局部异常值的算法-It uses local outlier mining method to count the Local Outlier Factor(LOF) of the outlier candidated object。
  3. 所属分类:Data Mining

    • 发布日期:2017-04-13
    • 文件大小:2.23kb
    • 提供者:zpj
  1. 贝叶斯

    1下载:
  2. 贝叶斯分类器的分类原理是通过某对象的先验概率,利用贝叶斯公式计算出其后验概率,即该对象属于某一类的概率,选择具有最大后验概率的类作为该对象所属的类(The classification principle of Bias classifier is to calculate the posterior probability by using Bias's formula through the prior probability of an object, that is, the proba
  3. 所属分类:数据挖掘

    • 发布日期:2018-01-08
    • 文件大小:835kb
    • 提供者:秦冰
搜珍网 www.dssz.com