目前大多数数据挖掘方法是从单关系中发现模式，而多关系数据挖掘（MRDM）则可直接从关系数据库的多表中抽取有效模式。MRDM可以解决原有命题数据挖掘方法不能解决的问题，它不仅有更强的信息表示能力，可以表示和发现更复杂的模式，还可以在挖掘进程中有效地利用背景知识来提高挖掘效率和准确率。近年来，借鉴归纳逻辑程序设计（ILP）技术，已经形成许多多关系数据挖掘方法，如关系关联规则挖掘方法、关系分类聚类方法等。

类锚聚类：基于距离的损失，用于训练开放集分类器 类锚聚类（CAC）损失是一种完全基于距离的损失，明确鼓励训练数据在logit空间中围绕类依赖的锚点周围形成紧密的聚类。 该存储库包含本文中的培训和评估代码： 类锚聚类：基于距离的损失，用于训练开放集分类器 Dimity Miller，Niko Suenderhauf，Michael Milford，Feras Dayoub 在2021年IEEE / CVF计算机视觉应用（WACV）冬季会议上发布。 如果您使用本作品，请引用： @inproceedings{millerclass, title={Class Anchor Clustering: A Loss for Distance-Based Open Set Recognition}, author={Miller, Dimity and Suenderhauf, Nik

详细讲解了图像分割的概念和原理，距离变换和分水岭介绍。相关API介绍、使用讲解和处理流程描述。此工程是Demo，用的OPENCV3.3

1.基于距离可分性判据的特征提取方法 前面研究了基于距离的可分性判据，得到了相应判据，它们都反映了一个基本思想，即类内距离小和类间距离大的要求。 下面我们以J2准则( )为例讨论特征提取的方法。  　　设Sw和Sb为原始特征空间的类内离散度矩阵和类间离散度矩阵, Sw*和Sb*为变换后特征空间的类内离散度矩阵和类间离散度矩阵, W为变换矩阵。 则有：

基于距离向量算法的rip协议的实现，C++代码，运行环境VS2005

计算机网络，基于距离矢量路由算法。

一、基于距离的系统发育树构建方法 （一）非加权分组平均法 UPGMA主要适用于在基因替代速率恒定时，尤其是用基因频率数据来构建分子系统发育树时。

一个常见的请求是沿着空间中的某些曲线（二维或更多维）在固定距离处插入一组点。用户通常沿着曲线有一组点，其中一些间隔很近，另一些不太近，并且他们希望创建一个沿同一曲线均匀分布的新集合。 当假设插值是分段线性时，这很容易。 但是，如果曲线是样条曲线，也许作为点之间的弦弧长的函数进行插值，这会变得有点困难。 一个很好的技巧是根据描述沿曲线路径的微分方程来表述问题。 然后可以使用 ODE 求解器完成插值。 作为使用示例，我将在平面中的圆周围随机选取一组点，然后生成一组新的点，这些点沿曲线的弧长等距分布，因此围绕圆的周长。 theta = sort(rand(15,1))*2*pi; θ（结束+1）=θ（1）； px = cos(theta); py = 罪（θ）； 100 个等距点，使用样条插值。 pt = interparc(100,px,py,'spline'); % 绘制结果pl

论文研究-基于距离熵的应急决策层信息融合方法.pdf,  通过分析决策层信息融合和应急决策的特点,并考虑到应急决策对客观性、科学性的要求,提出了基于距离熵的应急决策层信息融合方法.首先基于知识元模型进行融合集的获取,并实例化知识元形成信息单元,为融合提供基础信息对象;然后在传统熵权法的基础上,添加对信息间欧式距离的测度,提出"距离熵"的概念,并据此实现局部融合权重和全局融合权重的获取,利用线性加权分别计算局部融合结果和全局融合结果.最后,通过算例验证了方法的优越性和在应急领域的适用性.同其他方法相比,本文提出的方法能有效解决决策层信息融合中融合知识库巨量性和融合结果的客观性、科学性不足等问题.

行业分类-设备装置-基于距离几何理论的高光谱遥感图像混合像元分解方法