搜索结果: 1-8 共查到“计算机科学技术基础学科 数据集”相关记录8条 . 查询时间(0.054 秒)
用于时空稀疏小样本学习的大规模神经形态数据集N-Omniglot(图)
时空稀疏 小样本学习 神经形态数据集
2022/12/7
中国科学院自动化研究所类脑认知智能研究组在Nature出版社旗下期刊Scientific Data上在线发表了一篇题为“N-Omniglot,a large-scale neuromorphic dataset for spatio-temporal sparse few-shot learning”的论文,提出了用于时空稀疏小样本学习的大规模神经形态数据集——N-Omniglot,为脉冲神经网络...
2017金融和经济数据集与宏观建模数据科学国际研讨会(International Workshop on Data Science for Macro-Modeling with Financial and Economic Datasets)
2017 金融 经济数据集 宏观建模 数据科学 国际研讨会
2017/4/10
The promise of Big Data, linked data and social data is the availability of large scale yet granular datasets to support modeling of complex ecosystems reflecting cyber-human decision making. While co...
为处理圆柱面和圆锥面上数据集的最近邻查询问题,提出利用Voronoi图进行查询和曲面转换2种解决方法。在圆柱面和锥面上构造Voronoi图,利用Vornoi图进行查询处理。将圆柱面和锥面转换映射为二维有界平面,给出转换规则和查询算法。对2种方法进行实验分析,结果表明,利用Voronoi图的方法适合静态数据集的最近邻查询,曲面转换方法对动态数据集的最近邻查询更有效。
目前很多数据挖掘和机器学习方法都有一个基本假设:训练数据和测试数据必须服从相同的分布。但是在很多情况下这种假设不成立,没有考虑分布差异的传统机器学习方法就不能正确分类了。提出了一种新的迁移学习方法DRTAT,对原训练数据进行动态分割重组,适时地淘汰冗余数据,并进行分类器的集成。通过在多个文本数据集和UCI数据集上进行测试,并与TrAdaboost算法进行比较,表明了算法的先进性。
水平分布数据集的隐私保护关联挖掘算法
隐私保护 分布式关联规则挖掘 频繁项集 多方安全计算
2009/8/7
研究水平分布数据集的隐私保护关联规则挖掘算法。针对现有算法需要多次扫描数据集的缺点,提出一种只须对数据集进行2次扫描、基于分布式FP-tree的隐私保护挖掘算法。该算法可以有效降低通信量,能在保证准确度的同时保护原始数据。
不均衡数据集学习中基于初分类的过抽样算法
不均衡数据集 过抽样 欠抽样
2009/2/17
为了有效地提高不均衡数据集中少数类的分类性能,提出了基于初分类的过抽样算法。首先,对测试集进行初分类,以尽可能多地保留多数类的有用信息;其次,对于被初分类预测为少数类的样本进行再次分类,以有效地提高少数类的分类性能。使用美国加州大学欧文分校的数据集将基于初分类的过抽样算法与合成少数类过抽样算法、欠抽样方法进行了实验比较。结果表明,基于初分类的过抽样算法的少数类与多数类的分类性能都优于其他两种算法。...