2022版《常见的100项安全距离》（附依据，18页）.docx，这是一份不错的文件
2022-06-27 11:03:29
1.64MB
% 求D维中两组N点之间的最小均方根% 和刚性变换（即平移和旋转） % 雇用以使一组接近另一组， % 使用 Kabsch (1976) 算法。 % 注意点是成对的，即我们知道一组中的哪个点% 应该与另一组中的给定点进行比较。 % ％ 参考： % 1) Kabsch W. 将两组向量相关联的最佳旋转解决方案。 Acta Cryst A 1976；32：9223。 % 2) Kabsch W. 讨论有关两组向量的最佳旋转的解决方案。 Acta Cryst A 1978；34：8278。 % 3) http://cnx.org/content/m11608/latest/ ％4） http://en.wikipedia.org/wiki/Kabsch_algorithm % % 我们稍微概括一下，允许给点赋予权重。 % 这些权重是先验确定的，不依赖于距离。 % % 我们按照惯例工作，点是列向量；
2022-06-26 21:17:28
3KB
1
短文本聚类在数据挖掘中发挥着重要的作用,传统的短文本聚类模型存在维度高、数据稀疏和缺乏语义信息等问题,针对互联网短文本特征稀疏、语义存在奇异性和动态性而导致的短文本聚类性能较差的问题,提出了一种基于特征词向量的文本表示和基于特征词移动距离的短文本聚类算法。首先使用Skip-gram模型(Continuous Skip-gram Model)在大规模语料中训练得到表示特征词语义的词向量;然后利用欧式距离计算特征词相似度,引入EMD(Earth Mover's Distance)来计算短文本间的相似度;最后将其应用到Kmeans聚类算法中实现短文本聚类。在3个数据集上进行的评测结果表明,效果优于传统的聚类算法。
2022-06-23 11:19:25
1.18MB
1