大数据-算法-高维数据分析中的降维方法研究.pdf

毕业论文--普通遗传算法与佳点集遗传算法的分析与比较.doc毕业论文--普通遗传算法与佳点集遗传算法的分析与比较.doc毕业论文--普通遗传算法与佳点集遗传算法的分析与比较.doc毕业论文--普通遗传算法与佳点集遗传算法的分析与比较.doc

大数据-算法-风险数据分析RIDA交.pdf

主要介绍了python图的深度优先和广度优先算法,结合实例形式分析了图的深度优先算法与广度优先算法相关概念、原理、实现技巧与操作注意事项,需要的朋友可以参考下

分形维数在一维时间序列的分形特性分析中应用非常广泛，其计算方法多种多样，但是相关计算方法的全面对比鲜见文献报道。针对常用的八种一维时间序列分形维数计算方法，以WCF合成时间序列为研究对象，分别就算法的准确性和效率，对数据长度的依赖性进行分析对比。结果表明：准确性较好的三种算法是FA，DFA和Higuchi算法；而运算效率最高的是Sevcik，Katz和Castiglioni算法，但是它们的准确性偏低，而FA和Higuchi算法在计算时间上略微增加，但准确性比较高；在数据长度为4 096点时，各算法的计算值基本稳定，尤其是FA、Higuchi和DFA算法，在数据长度为4 096点时，计算值与理论值比较吻合。由此可以得出结论，Higuchi和DFA算法在计算一维时间序列的分形维数时性能优越，在相关的计算中优先选择。

第一个任务是要求用自己最擅长的语言编程读取一个TXT文本中的字符，找出每一章节中"Arthur"出现的次数和显示出程序所用的总时间。很明显的这就是一个字符串匹配问题。所以我先用一个传统的字符串比较方法来实现，为了提高效率，考虑到字符串匹配较好的算法有Brute force（暴力搜索）其预处理时间为O（0），匹配时间复杂度O（N*M）；KMP的预处理时间O（M），匹配时间复杂度O（N）；BM的预处理 O（N+M^2），匹配时间复杂度O（N）。因为所需处理的数据量不大，因此我选择用KMP算法来改进匹配效率。

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：遗传算法_matlab_聚类分析问题 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

这个pdf是我用latex写的暑期课程的结课论文，主要是介绍了基本的量子逻辑门，并在此基础上详细分析了两种量子算法(shor算法（你要是能找到比我写的shor算法更细致的中文分析就算我输了），Deutsch-Jozsa算法)的算法流程和原理。对量子算法感兴趣并且学过线性代数并且有一点数论基础和对量子逻辑门有基本了解的朋友可以下载，如果对pdf中任何地方有疑问的话也欢迎留言交流

基于网格的方法：STING聚类算法 基本思想： 1、 划分网格 2、 使用网格单元内数据的统计信息对数据进行压缩表达 3、 基于这些统计信息判断高密度网格单元 4、 最后将相连的高密度网格单元识别为簇 特点：速度快，因为其速度与数据对象的个数无关，只依赖于数据空间中每个维上单元的个数；参数敏感，无法处理不规则分布的数据，维度灾难等。 *

不会吧！都2022年了，你还没有弄懂最接近点对问题？？？ 相信我，就看这一篇就够啦！！！ 1．问题描述 给定平面上n个点，找其中的一对点，使得在n个点组成的所有点对中该点对间的距离最小。 2．实验目的 1)掌握递归与分治法的基本思想及基本原理。 2)掌握使用分治法求解问题的一般特征及步骤。 3)掌握分治法的设计方法及复杂性分析方法。 掌握分治法解平面最接近点对算法设计思想、算法设计过程及程序编码实现。 采用分治法解最接近点对问题。请回答以下问题： 1)一维情形下如何用线性时间完成合并步骤？ 2)二维情形下递归求解递归出口如何设置？ 3)二维情形下证明该问题具有稀疏性质：什么是鸽舍原理？二维情形下为什么跨分割线点对能构成最接近点对候选者的最多只有6对？ 4)在二维情形下如何能用线性时间完成左右最近点对与中间跨分割线点对的比较？ 5)对算法做时间复杂性分析。 6)本题选做：二维情形设采用分治法解最接近点对问题，编程实现。