基于数据点重要性差异的最小二乘加权法.pdf

基于加权马尔可夫链的降水预测应用研究.pdf

加权网络是复杂网络研究的一个重要领域，交通网络是一个典型的加杈网络.交通网络的发展演化对国民经济的繁荣发展起着至关重要的作用.综合复杂网络的拓扑结构和交通流量计算的顾客选择理论，提出了一种随时间演化基于乘客中转路径的交通系统发展演化模型，并对模型进行了分析和数学验证，分析结果为该模型的点强度、点度和杈重分布性质和BBV模型完全一致；网络是无尺度网络，点强度和点度分布都服从幂律分布，并且指数在2.33～3.00之间.最后通过仿真实验对演化模型进行仿真，结合中国交通网络的实证分析验证了模型的合理性.

对于 n 个具有正权重 w_1,...,w_n 的数字 x_1,...,x_n， （所有权重之和等于 1）加权中位数定义为元素 x_k，使得： —— ) w_i <= 1/2 —— x_i < x xss=removed> x_k 输入：D ...观测值矩阵W ... 权重矩阵，W = ( w_ij ) 输出：wMed ...加权中位数

ewma - Go实现指数加权移动平均算法

大数据时代，互联网成为科学研究的有效工具和平台。借助百度搜索指数数据，运用复杂网络方法构建互联网空间下有向加权城市网络模型，分析互联网上的城市网络格局及复杂结构。以我国36个大城市数据为样本，实证发现该城市网络的节点出权及入权累积分布均符合指数分布，归类网络中的城市活跃类型，计算挖掘出网络中的关键城市节点以及网络的凝聚子群。从互联网新媒介视角对“互联网 ”计划下城市网络结构作出了新的解析，丰富了城市复杂网络的研究，对城市的建设规划、管理具有指导意义。

加权盒融合 存储库包含Python方法的几种实现，这些方法用于组合对象检测模型中的框： 非最大抑制（NMS） 软网管 非最大加权（NMW） 加权框融合（WBF） -与其他方法相比，可以提供更好的结果的新方法 要求 Python 3。*，Numpy，Numba 安装 pip install ensemble-boxes 用法示例 预计将标准化的框的坐标，例如，范围为[0; 1]。 顺序：x1，y1，x2，y2。 下面的2种型号的盒装示例。 第一个模型预测5个盒子，第二个模型预测4个盒子。 每个盒子模型的置信度得分1：[0.9、0.8、0.2、0.4、0.7] 每个盒子模型2的置信度得分：[0.5、0.8、0.7、0.3] 每个包装盒型号1的标签（类）：[0，1，0，1，1] 每个盒子模型2的标签（类）：[1、1、1、0] 我们将第一个模型的权重设置为2，将第二个模型

针对传统主成分分析法在特征提取中出现的耗时过长、平均对待所有像素点等问题，提出一种双中心羽化加权双向PCA（Bidirectional WPCA，BD-WPCA）的算法。算法首先将训练人脸样本和测试人脸样本图片进行双中心羽化加权处理，以增加人脸主要器官在识别中所占的比重；再用双向PCA算法分别在行和列方向上降维并提取特征；最后用K近邻法匹配分类。该算法在降低运算耗费时间，具有可行性。

复杂时间序列的多元加权多尺度置换熵

这是论文的随附代码： Xanthopoulos, P., & Razzaghi, T. (2014)。 一种用于控制图模式识别的加权支持向量机方法。 计算机与工业工程，70, 134–149。 有一个基于 Lib SVM 的实现，用于控制图异常趋势模式的时间序列分类。 有关更多信息，请参阅原始气泡。