- 博客(9)
- 资源 (17)
- 问答 (4)
- 收藏
- 关注
原创 【GIS】geohash原理与实现
参考:https://www.cnblogs.com/LBSer/p/3310455.html https://en.wikipedia.org/wiki/Geohash引子考虑一个问题,如何搜索某点附近一定范围内的满足要求的公交站。 (截了个高德的图、并不知道高德地图后台如何搜索的。。。)无脑思路:把所有的公交站和当前位置都算距离筛选简单思路:把当前城市/附近行政...
2018-07-31 21:36:43 3246
原创 谱聚类
https://www.cnblogs.com/pinard/p/6221564.html谱聚类(Spectral Clustering),对数据分布适应性强,效果优秀,计算量小。概述由图论演化而来,在聚类中广泛应用。 将所有样本看做点,点之间用边连接,近的权重大,远的权重小。 通过对数据点切图实现聚类,使类间权重和小,类内权重和大。无向权重图结点的度表示与它相...
2018-07-27 15:44:15 443
原创 拉普拉斯矩阵/特征映射
https://www.jianshu.com/p/87057397a070 https://blog.csdn.net/v_july_v/article/details/40738211 https://blog.csdn.net/yujianmin1990/article/details/484204831.拉普拉斯矩阵(Laplacian Matrix)表示图的...
2018-07-26 22:42:13 5917 1
原创 局部线性嵌入LLE
[1]https://www.cnblogs.com/pinard/p/6266408.html [2]Graph Embedding Techniques, Applications, and Performance: A Survey 主要参考和图片来源[1]局部线性嵌入(Locally Linear Embedding,LLE),一种重要降维方法,与PCA、LDA相比...
2018-07-25 23:03:26 886
原创 奇异值分解SVD
主要参考https://www.cnblogs.com/pinard/p/6251584.html, https://www.cnblogs.com/LeftNotEasy/archive/2011/01/19/svd-and-applications.html奇异值分解(Singular Value Decomposition,SVD),用于降维算法的特征分解、推荐系统、NLP...
2018-07-25 11:57:10 1123
原创 信息熵、交叉熵、相对熵
【直观详解】信息熵、交叉熵和相对熵熵,热力学中表征物质状态的参量之一,用符号S表示,其物理意义是体系混乱程度的度量。信息熵,描述信源的不确定度。信息熵越大,越无序,越随机,信息量(的期望)越大,要消除不确定性所需信息量越大。考虑把信息量存储下来需要多大空间/存储代价 (用存储空间表示信息熵(不确定性越高所需存储空间越大))举例:表示天气情况的P=[p1,p2,p3,p4]P...
2018-07-23 11:46:05 505
原创 【论文笔记】Deep Multi-View Spatial-Temporal Network for Taxi Demand Prediction
https://arxiv.org/pdf/1802.08714 本文的目的是出租车需求预测,特点在于结合了时间、空间、语义三方面的信息,深度学习模型前言简单来说,本文综合了时间、空间、语义三个方面预测需求量。 空间:local CNN,强调了邻近空间相似,较远的位置参与训练之间会有负作用 时间:使用比较传统LSTM来做 语义:使用“区域图”的边来表达...
2018-07-11 11:39:06 3258
原创 【笔记】Loc2Vec: Learning location embeddings with triplet-loss networks
这是个博客的笔记。。。 https://www.sentiance.com/2018/05/03/loc2vec-learning-location-embeddings-w-triplet-loss-networks/ https://www.jiqizhixin.com/articles/2018-06-25-5概述场地映射算法的目标是根据位置测量数据,推测用户...
2018-07-10 20:34:53 1499
原创 【论文笔记】Graph Embedding Techniques, Applications, and Performance: A Survey
https://arxiv.org/pdf/1705.02801.pdf 这篇论文列举了目前graph embedding算法,将其分为“因式分解”、“随机游走”、“深度学习”三类,在不同的任务上评估其效果,最后提了点发展方向前言图在生物蛋白质结构、社交网络、词共现网络中应用图分析任务可以分为: - 节点分类(随机游走、提特征) - 链路预测(相似性方法、最大似然...
2018-07-07 17:20:21 4277
《python数据分析》配套代码和数据
2017-03-16
彭罗斯阶梯STL模型文件
2016-11-19
GIS软件工程——课程总结
2015-09-22
ArcEngine专题图制作
2015-04-10
C#进行操作Word操作
2015-04-08
GIS软件工程(C#+AE 课程总结
2015-01-03
C#怎么实现按钮功能提示,如图!
2015-01-13
ArcGIS Server10.1安装成功后,网页的management登不上去
2014-12-06
3DS导入arcgis中,有没有高度和形状的属性啊?怎么能让它有呢?
2014-11-25
TA创建的收藏夹 TA关注的收藏夹
TA关注的人