MCA: Multidimensional collaborative attention in deep convolutional neural networks for image recognition MCA：用于图像识别的深度卷积神经网络中的多维协作注意力

多维与度量数据结构基础 Foundations of Multidimensional and Metric Data Structures Series: The Morgan Kaufmann Series in Computer Graphics Hardcover: 1024 pages Publisher: Morgan Kaufmann; 1 edition (August 22, 2006) Language: English ISBN-10: 0123694469 ISBN-13: 978-0123694461

3D imaging technologies -- multidimensional signal processing and deep learning methods, algorithms and applications. Volume ii

Multidimensional.Signal.Image.and.Video.Processing.and.Coding.2nd.Ed

多维缩放(multidimensional scaling ,MDS)，是另外一种线性降维方式，与主成分分析法和线性降维分析法都不同的是，多维缩放的目标不是保留数据的最大可分性，而是更加关注与高维数据内部的特征。多维缩放算法集中于保留高维空间中的“相似度”信息，而在一般的问题解决的过程中，这个“相似度”通常用欧式距离来定义。

1975年，来自斯坦福大学的Jon Louis Bentley在ACM杂志上发表的一篇论文：Multidimensional Binary Search Trees Used for Associative Searching 中正式提出和阐述的了把空间划分为多个部分的k-d树。

快速自适应多元经验模式分解 (FA-MVEMD) 工具箱包含一系列旨在分解 1、2 和 3 维性质的数据集的函数。 该算法基于MR Thirumalaisamy，PJ Ansell，“多维，多变量信号的快速和自适应经验模式分解”（IEEE信号处理快报，第1卷）中介绍的工作。 2018 年 10 月 25 日。 系统要求： 根据您的数据集，RAM 要求可能达到数十 GB。 作为粗略估计，请确保您的计算机 RAM 中的数据集大小至少为 10 倍。 如果您的数据集是 100MB，那么您的 RAM 应该大约是 1GB。 依赖项： FA-MVEMD 工具箱依赖于一些第三方功能才能执行。 这些函数及其作者的列表如下： MinimaMaxima3D - (v1.0 Dec 13, 07 , Sam Pichardo) 极值 - (2004, Carlos Adrián Vargas Aguiler

Foundations of Multidimensional and Metric Data Structures

Modern Multidimensional Scaling, Theory and Applications, 2ed

多维数组（MDA）是用于创建和使用多维数组的类。 数组的存储基于模板化的C ++ STL向量类。 STL向量类的优点在于，它在构造或复制时会自动调整其大小。 买者自负。 多维数组使用无符号整数建立索引。 可以存储的类型可以是提供复制和赋值运算符的任何类型。