DB - Access Path Selection in a Relational Database Management System.pdf
In a high level query and data manipulation language such as SQL, requests are stated non-procedurally, without reference to access paths. This paper describes how System R chooses access paths for both simple (single relation) and complex queries (such as joins), given a user specification of desired data as a boolean expression of predicates. System R is an experimental database management system developed to carry ..
2022-07-12 20:05:16
192KB
1
STM8文档资料 MCU+Selection+Chart-June+2012STM8文档资料 MCU+Selection+Chart-June+2012STM8文档资料 MCU+Selection+Chart-June+2012STM8文档资料 MCU+Selection+Chart-June+2012STM8文档资料 MCU+Selection+Chart-June+2012STM8文档资料 MCU+Selection+Chart-June+2012STM8文档资料 MCU+Selection+Chart-June+2012STM8文档资料 MCU+Selection+Chart-June+2012STM8文档资料 MCU+Selection+Chart-June+2012STM8文档资料 MCU+Selection+Chart-June+2012STM8文档资料 MCU+Selection+Chart-June+2012STM8文档资料 MCU+Selection+Chart-June+2012STM8文档资料 MCU+Selection+Chart-June+2012STM8文档
2022-06-27 11:05:07
1.24MB
MATLAB中的DEA
带宽选择
这个仓库提供了R函数来评估LSCV错误。
“条件边界模型”分析的第一步。
在Duccio
Gamannossi
degl'Innocenti博士学位论文的第四章中，已经开发并使用了整个“条件边界模型”方法：
意大利市政效率：一种有条件的边界模型方法。
但是，整个方法尚未公开。
有关信息或请求，请写信给
有关条件边界模型的更多信息，请参阅以下重要文章：
由LuizaBădin，Cinzia
Daraio，LéopoldSimar撰写。
由Cinzia
Daraio和LéopoldSimar撰写。
此仓库提供以下功能：
Ker_LSCV_IN.R
Ker_LSCV_OUT.R
用R语言实现MATLAB函数：
Ker_LSCV_OUT.m
呈现在：
由LuizaBădin，Cinzia
Daraio，LéopoldSimar撰写。
提出的R函数扩展了MATLAB函数，从而允许在面向输入的设置中评估带宽的LSCV误差。
对于复制DGP的模拟数据集，提供了全面的验证：
由LuizaBădin，Cinzia
Daraio，LéopoldSimar撰写。
（
201
2022-05-30 10:28:00
7.82MB
1
西门子最新选型工具tia-selection-tool，支持选型，模拟组态，错选提示，可导入ECXEL料单，可导入step7和博图进一步组态编程
2022-05-21 18:10:44
33.22MB
1
Binary Particle Swarm Optimization for Feature Selection：简单算法展示了如何在特征选择问题中使用二进制粒子群优化（BPSO）。-matlab开发
用于特征选择任务的简单二元粒子群优化（BPSO），可以选择潜在特征以提高分类精度。
演示了一个示例，该示例说明了如何使用具有分类错误率的BPSO（由KNN计算）作为使用基准数据集进行特征选择问题的适应度函数。
****************************************************** ****************************************************** **********************************
2022-05-15 11:35:47
121KB
1
蚁群算法matlab源码Jx-WFST：包装功能选择工具箱
“迈向人才科学家：共享和学习”
---
介绍
该工具箱提供了40多种包装功能选择方法
A_Main文件提供了有关如何在基准数据集上应用这些方法的示例
这些方法的源代码是基于伪代码和书面文件编写的
该工具箱的主要目标是：
包装器功能选择方面的知识共享
协助其他人进行数据挖掘项目
用法
采用主要功能jfs进行特征选择。
您可以通过将'pso'更改为
如果您希望使用粒子群优化（请参见示例1），则可以编写
FS
=
jfs('pso',feat,label,opts);
如果要使用粘液模制算法（请参见示例2），则可以编写
FS
=
jfs('sma',feat,label,opts);
输入
feat
：特征向量矩阵（实例x
Feature）
label
：标签矩阵（实例x
1）
opts
：参数设置
N
：解决方案数量/人口规模（所有方法）
T
：最大迭代次数（对于所有方法）
k
：K
-值在K
-nearest邻居
输出
Acc
：验证模型的准确性
FS
：特征选择模型（包含多个结果）
sf
：所选sf索引
ff
：所选功能
nf
2022-05-11 09:52:17
129KB
1
RBF Neural Networks with random selection of parameters：RBF Neural Networks（激活函数的中心和分布随机选择）-matlab开发
RBF 神经网络（激活函数的中心和分布随机选择） 参数（K：内核数） RBFNN 有 5 个优化参数： 1- 隐藏层和输出层之间的权重。 2- 激活函数。 3- 激活函数的中心。 4- 激活函数的分布。 5- 隐藏神经元的数量。 隐藏层和输出层之间的权重使用 Moore-Penrose 广义伪逆计算。 该算法克服了传统梯度算法中的许多问题，如停止标准、学习率、时期数和局部最小值。 由于其较短的训练时间和泛化能力，适合实时应用。 选择的径向基函数通常是用于模式识别应用的高斯核。 通常激活函数的中心和分布应该具有与数据相似的特征。 这里，高斯分布的中心和宽度是随机选择的。 基于通用逼近理论中心和激活函数的分布是不确定的，如果隐藏神经元数量足够多，可以说具有足够数量隐藏神经元的单隐藏层前馈网络可以将任何函数逼近任意级别的准确性。
2022-05-07 14:59:50
4KB
1
MPLNClust：带有闪亮应用程序的R包，用于通过多元泊松对数正态模型的混合来执行和可视化计数数据的聚类
2022-05-04 16:56:04
5.14MB
1
GA_for_Feature_Selection
使用遗传算法结合决策树做特征选择
Using genetic algorithm for feature selection with decision tree
原始遗传算法参考
import numpy as np
import pandas as pd
import random
data_train = pd.read_csv('\data_train.csv')
data_test = pd.read_csv('\data_test.csv')
#合并训练集测试集
data = data_train.append(data_test).drop(['id'], axis=1)
feature_names = data.columns
pop_size = 20 # 种群数量
max_value = 10 #
2022-04-18 23:00:27
2KB
1
Memory Selection Network for Video Propagation+论文笔记
2022-04-15 18:13:11
1.15MB
1