局部敏感哈希

基于MATLAB的局部敏感哈希算法实现

利用MATLAB强大的数学计算和仿真能力，可以高效地实现局部敏感哈希算法（LSH）。LSH算法通过将高维数据点映射到低维空间，并保证相似的数据点在映射后依然保持接近，从而实现快速近邻搜索。 在MATLAB中，可以使用各种工具箱和函数来实现LSH算法，例如 Statistics and Machine Learning Toolbox 提供了创建和操作哈希表的数据结构。 通过编写MATLAB代码，可以定义不同的哈希函数、距离度量方法以及碰撞处理策略，从而构建适合特定数据集和应用场景的LSH算法。

算法与数据结构 13 2024-05-25

Matlab 哈希代码：频谱散列

这段代码实现了 Y. Weiss 的频谱散列算法。需要注意的是，Python 和 Matlab 在计算特征向量时，可能会得到符号相反的结果，进而导致生成的二进制哈希码不同。然而，无论是 Python 还是 Matlab，hammingDist(B, B) 的结果都是一致的。您可以通过手动调整 Python 代码 (trainSH) 中特征向量的符号，来确保 Python 和 Matlab 生成相同的二进制代码。

Matlab 11 2024-05-28

Oracle表的哈希分区技术

基于分区键的哈希散列值将行映射到分区中创建散列分区时需要指定： (1)分区方法：哈希散列(by hash) (2)分区列(3)分区数量或单独的分区描述* HASH散列分区语法图

Oracle 11 2024-07-28

大数据预测电力敏感客户

利用电力工单数据，通过熵权法、主成分分析和决策树算法，识别潜在投诉倾向客户和计划停电敏感客户。为服务资源调度和应对措施提供依据，提升服务精度和减少投诉压力。

数据挖掘 10 2024-05-25

哈希查找函数 hash_lookup3

memcached 中使用的哈希函数。

Memcached 12 2024-04-29

MATLAB中的最小损失哈希码

MATLAB中的最小损失哈希码是一种关键技术，用于数据检索和相似性比较。这种方法通过最小化哈希函数计算的误差，有效地减少了数据索引中的信息损失。该技术在处理大规模数据集时特别有效，能够快速且准确地识别和检索相似的数据模式。

Matlab 8 2024-09-25

MATLAB 中局部变量

MATLAB 函数中的局部变量在函数运行结束后会释放并清除。它们仅存在于函数的工作区间中，不能被其他文件访问。调用外部程序时，该程序产生的变量也会存储在函数空间中，而不是 MATLAB 的主空间中。

Matlab 11 2024-05-28

SQL Server 中 MD5 哈希函数

SQL Server 中的 MD5 函数提供 MD5 哈希加密算法，可用于保护数据安全。经过测试，已验证其哈希结果与其他加密实现一致。

SQLServer 7 2024-05-31

MATLAB变量命名大小写敏感设置方法

MATLAB中变量名区分大小写，可通过命令casesen on/off进行设置。如果需要区分大小写，使用casesen on；否则使用casesen off。此外，MATLAB允许直接赋值使用未先声明的变量。

Matlab 5 2024-08-28

敏感性分析-马氏链数模经典

当平均需求每周波动在1附近时，敏感性分析揭示了最终结果的变化规律。假设需求以泊松分布形式呈现，其均值λ随着技术进步可能增长或减少10%，导致失去销售机会的概率相应增减约12%。

Matlab 8 2024-08-10