近似算法

近似算法实验3：高级算法设计

学习目标： 掌握近似算法设计思想和方法 了解集合覆盖问题近似算法的设计思路 熟练使用编程语言实现近似算法 实验测试近似算法性能，分析优缺点 实验内容： 集合覆盖问题Python求解

算法与数据结构 4 2024-04-30

优化不确定数据集频繁模式挖掘的近似算法

为了提升在不确定数据集上频繁模式挖掘的效率，针对现有算法在判断是否需要创建子头表时计算量较大的问题，提出了近似挖掘策略AAT-Mine。该策略在损失少量频繁项集的基础上，显著提高了整体算法的挖掘效率。实验采用三个典型数据集对算法进行了测试，并与目前最优算法及典型算法进行了性能对比，结果表明AAT-Mine在时空效率上均有显著提升。

数据挖掘 0 2024-08-03

伊利诺伊大学CS598CSC课程：探索近似算法的奥秘

伊利诺伊大学CS598CSC课程深入浅出地讲解了近似算法的核心概念与应用。课程内容涵盖了各种经典算法，并辅以实际案例分析，帮助学生掌握设计和分析高效算法的技巧。

算法与数据结构 2 2024-05-24

基于MapReduce的并行近似SS-ELM算法

针对大规模数据集，提出了基于MapReduce的并行近似SS-ELM算法。

Hbase 0 2024-08-08

文本近似度匹配

使用python实现文本近似度匹配，从b列中查找与a列文本最相似的值及近似度。 例如：a列：白术b列：白术、炒白术、黄芩 输出：相似的值：白术、炒白术近似度：1

算法与数据结构 5 2024-04-30

HyperLog：一种近似最优基数估计算法的分析

HyperLog 算法在基数估计领域展现出接近最优的性能。本研究深入分析 HyperLog 算法的运行机制，揭示其如何在有限的内存资源下，高效地估计大型数据集的基数。

算法与数据结构 3 2024-05-21

Outlier-DivideConquer 近似聚集查询中的离群分治取样算法（2011年）

取样是一种普遍有效的近似技术，利用取样技术处理近似聚集查询在决策支持系统和数据挖掘中广泛采用。正确有效地产生近似查询结果并最小化误差是处理近似查询的关键目标。提出了Outlier-DivideConquer算法，结合误差确界，只需单次扫描数据集，特别适用于高方差分布的聚集属性，克服了随机均匀取样的局限性，显著降低近似查询误差，且比同类算法执行效率更高。实验验证显示，该算法与传统均匀取样算法相比具有显著优势。

数据挖掘 0 2024-08-22

近似负关联规则算法数据挖掘原理与SPSS-Clementine应用详解

10.2“近似”负关联规则算法定理1设，则有① ② ③ ④其中：为支持度函数。定理1描述的是三种不同形式的负关联规则支持度的计算方法。

数据挖掘 2 2024-07-15

利用神经网络近似sin函数

利用神经网络近似sin函数，不使用matlab工具箱，而是自行编写实现。

Matlab 3 2024-07-18

matlablm算法代码-PPDE近似值AMSC 663-664项目实现存储库

该项目探索机器学习方法在近似于参数相关的偏微分方程（PDE）中的应用。这个GitHub存储库包含了用于非侵入式降阶建模的POD-NN RB和用于物理信息化的神经网络（PINN）的实现。每个组件都被独立实现，包括驱动程序（NN_Driver.py、DEMO.py和run_DEMO.py）和环境文件夹中的脚本，用于处理训练、测试样本，以及测试网络生成的近似值。

Matlab 0 2024-08-08