Nomalized Compression Distance(NCD)详解

最新推荐文章于 2024-04-02 22:41:50 发布
最新推荐文章于 2024-04-02 22:41:50 发布
阅读量1.2k 收藏 1
点赞数 2
文章标签： 1024程序员节 安全
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zx980414k/article/details/109261701
版权

Nomalized Compression Distance(NCD)是一种计算二进制文件相似性的一种简单算法公式是在这里插入图片描述
X和Y是需要比较的两个文件的字节大小，C指压缩，C(XY)就是将XY放进一个压缩包中，C(X)就是单独压缩X以后压缩包的字节大小，C(Y)就是单独压缩Y以后压缩包的字节大小。
NCD的原理就是如果两个二进制文件非常相似，那么它们被共同压缩以后，重叠的部分就会很多，这样压缩以后的文件的字节大小就会越小，假如是两个完全相同的二进制文件，那么它们被压缩以后的体积应该和单独压缩一个这个文件的体积一样大，即
在这里插入图片描述
推荐用7-Zip进行压缩，7-Zip采用的lzma2算法是目前公认压缩率最高的算法。

张先生Zane
关注
  • 2
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
【代码阅读】VoteNet （推荐阅读源码，学到的东西很多）
麒麒哈尔的博客
12-03 1万+
文章目录 本文是针对VoteNet：Deep Hough Voting for 3D Object Detection in Point Clouds论文的源码的理解。VoteNet的解读可以参考我的另外一篇博客。具体的源码，可在github上下载。 总的来说，代码写的非常优雅，我觉得光从代码的结构来看，也有很多可以借鉴的地方。所以本文先看一下代码的结构，然后再跟进去详解。 # train.py ...
Normalized Mutual information
weixin_43984457的博客
04-06 5119
在写论文做数据测试时有用到一个nmi(normalized mutual information)评价聚类的一种方法，不是很清楚，然后上网找了一下资料。 首先在理解nmi前，先说说mutual information这个东西。 我们先举个例子： 比如说，标准结果是大圆里面的叉叉圈圈点点，上图呢是我们算法聚类出来的结果，那么如何来看我们算法的聚类效果呢，如何计算呢？ 我们把上图中的图形用字母来表示...
ncd:用于计算文件集的标准化压缩距离的脚本。 它还尝试在可用处理器上并行化工作
06-12
归一化压缩距离 这个 python 脚本计算作为参数传递的所有文件之间的。 NCD 可用作层次聚类中的距离度量。 由于 NCD 变慢速度很快，我至少已经对可用内核的计算进行了并行化。 如果需要更快的速度，有一些出版物讨论了字典的方法。 内件 NCD 对压缩器的选择非常敏感。 特别是对于较大的数据，gzip 是一个非常糟糕的选择。 ( NCD(a,a) > 0.1 )。 选择 LZMA2 是因为它可以处理大窗口并允许微调配置。 计算 NCD 后，请始终分析对角线，如果值太高，则压缩器可能不适合您的数据。 用法 进度报告在stdout上的stderr结果上。 如果你通过： 1 个文件：返回Z(a) 2 个文件：返回NCD(a,b) ，没有周围的表。 2个文件：返回一个距离矩阵，只填充矩阵的下半部分。 ./ncd.py data/*.csv > results/calculated-
ncd:此C ++应用程序使您可以计算和绘制一组文件之间的归一化压缩距离，该距离远非听起来那么棒
05-31
归一化压缩距离 这是什么？ NCD（标准化压缩距离）算法可让您计算一组文件之间的相似性，以便您可以将它们绘制为层次聚类。 生成的图像可让您轻松检测数据中的关系。 例如？ 比如说，你有一组 DNA 序列。 巧合的是，有一个。 在理想的世界中，您现在可以分析存储在这些序列中的信息，并在此基础上确定哪些物种是相关的。 不幸的是，无法计算这种所谓的信息距离。 但是，有一个近似值，归一化压缩距离，它通过对文件使用压缩算法来估计信息距离。 您可能需要阅读以了解更多详细信息。 这就是程序的作用。 结果是一个文本文件，其中包含矩阵中的相似点，这是一堆巨大的数字。 然后可以使用 R 之类的工具绘制这些数据。如果您不了解 R，最好先查看类的图形前端。 这应该给你一个像这样的图像： 有什么好处吗？ 你如何构建它？ 设置构建环境。 我正在使用 LLVM/Clang 但 g++ 工作得一样好 安装依赖
NCD 2019
nowting的博客
04-07 818
http://codeforces.com/gym/102163 待更新。。。
NCD 2019 （AK）
weixin_30377461的博客
05-18 490
A. Hasan the lazy judge #include <bits/stdc++.h> using namespace std; inline int read(){ int x=0; bool f=0; char ch=getchar(); while (ch<'0' || '9'<ch) f|=ch=='-', ch=ge...
NCD 2019题解M. NCD Salary【数学式子处理】
DevourPower的博客
04-29 360
题目 题意，求ab和cd大小关系。均是大数 做一下数学处理：两边取对数，变成blog(a) 和 dlog©；底数是什么无关紧要，为了方便，用c++自带的log10函数就很棒。这里需要特判一下b和d等于0的情况。 int a,b,c,d; double last,now; scanf("%d%d%d%d",&a,&b,&c,&d); if(a==0)las...
matrix2.rar_coupling matrix_de-nomalized_filter synthesis_synthe
07-14
标题中的“matrix2.rar_coupling matrix_de-nomalized_filter synthesis_synthe”涉及到的是滤波器设计的一个具体环节，即滤波器耦合矩阵的综合，特别是去归一化的处理。这个过程是构建多级滤波器系统时经常遇到的...
function [e,w] = VSNLMS(x,d,Lw,mu,psi,alpha,eta,vsFlag) %VSNLMS Variable Step-size Nomalized LMS algorithm for AEC % w=zeros(Lw,1); e=d; Pd=1; Pyhat=1; Pe=1; for n=length(w):length(x) xtdl=x(n:-1:n-Lw+1); yhat=w'*xtdl; e(n)=d(n)-yhat; % Step-size Variation if vsFlag==1 Pd=alpha*Pd+(1-alpha)*d(n)*d(n); Pyhat=alpha*Pyhat+(1-alpha)*yhat*yhat; Pe=alpha*Pe+(1-alpha)*e(n)*e(n); mu=1-eta*Pyhat/Pd; if mu>1 mu=1; elseif mu<0 mu=0; end end w=w+mu/(xtdl'*xtdl+psi)*xtdl*e(n); end end
05-24
这是一个用于自适应回声消除的变步长归一化 LMS 算法。函数的输入参数包括： - x：输入信号 - d：期望输出信号 - Lw：滤波器长度 - mu：步长 - psi：正则化参数 - alpha：平滑系数 - eta：步长调整参数 ...
差异基因p为0_RNAseq数据分析文献22差异基因与临床数据相关性分析
weixin_39700063的博客
11-22 1452
点击"上海生命基因" 关注阅读更多文献信息Whole transcriptome analysis of smoker palatal mucosa identifies multiple downregulated innate immunity genes吸烟者pa上黏膜的全转录组分析确定了多个下调的先天免疫基因期刊：J. Periodontol 影响因子：2.768发表单位：俄亥俄...
NoteCase软件，用于读写.ncd后缀的文件，支持windows和linux安装
08-09
NoteCase 又叫 Outliner（大纲），它是一个按照树状结构来组织文档内容的笔记管理程序，使用 C++ 与 Gtk+ 开发。该程序可以帮助你管理生活、学习笔记。 NoteCase 可以在 Linux/Unix 和 Windows 平台运行，采用 BSD 软件许可协议。有关该软件下载与安装，请浏览其下载页面。对于 Gentoo Linux用户可 emerge notecase 完成安装。 我主要使用 NoteCase 来写读书笔记。譬如我现在正在认真阅读 《DIVE INTO PYTHON》，我可以利用 NoteCase 树状文档组织结构，将我所阅读的章节分别建立相应结点。
java学习笔记.ncd
05-04
java学习笔记.ncd
Nomalized Cuts算法详解
m0_48721666的博客
11-05 218
这是我找到的对这一算法相对详尽的讲解：
matlab学习(一)（3.26-4.1）
最新发布
2201_75556700的博客
04-02 634
信息隐藏是利用一些技术，使得要隐藏的信息是用眼睛看不出变化的。它将秘密信息隐藏在可公开的媒体信息中，使人们凭直观的视觉和听觉难以察觉基存在。频域信息隐藏是将信息嵌入到图像的频域系数中的技术。（如离散余弦变换或小波变换）将图像从空域转换到频域，然后在频域中进行信息隐藏。空域信息隐藏是将信息直接嵌入到图像的像素值中的技术。4.1（test1）图片是方形的，在matlab（2018a）中实现，代码实现如下。：频域信息隐藏可能会影响图像的质量，尤其是在高频区域。：频域中的某些频率成分更适合隐藏信息。
ArcGIS nc文件读取，定义坐标及修改投影
CSDNchun的博客
10-08 1万+
记录一下操作过程，害怕之后忘记。目前很多类型文件均为nc格式，那么nc格式数据如何在ArcGIS软件读取，如何修改成自己想要的地理坐标和投影坐标，下面进行展示。查看TIFF文件显示是十进制度的坐标表示形式，先将影像定义GCS-WGS-1984的地理坐标。
IMPACT软件使用（转载）
terry_9的专栏
04-08 8418
 IMPACT软件使用（转载）5.4.1 iMPACT综述与基本操作1. iMPACT简介 iMPACT支持4种下载模式：边界扫描，从串模式、SelectMap模式以及Desktop配置模式。从串模式是一种常用配置电路，可用USB口或并口完成配置。SelectMap模式是一种并行配置模式，速度快，但需要使用多个信号管脚。Desktop模式是一种高速配置模式，可配置FPGA、 PROM以及S
基于行为依赖特征的恶意代码相似性比较方法
m0_52192436的博客
01-26 768
Gcd=Ncd表示系统调用、Ecd表示顺序关系、VNcd表示控制依赖关系、Entrycd表示控制依赖图的入口、Exit表示控制依赖图的出口、Typecd表示系统调用的种类信息、Counttype表示各种类系统调用的个数。各个要素类似控制依赖图定义。值得注意的是数据依赖图，由于节点之间必然存在引用关系，故而没有引入虚拟节点。
Xilinx ISE 开发过程中生成的各种文件(一)
热门推荐
坚持
11-05 1万+
电路设计与输入-->功能仿真-->综合优化-->实现过程（翻译、映射、布局布线3个小步骤）-->烧写芯片，在线调试 综合优化： XST：全称为XilinxSynthesis Technology，这是Xilinx ISE里面附带的一个免费的综合工具。 Synplify生成文件：netlist网表文件 标准edif文件*.edf; 综合约束传递文件*.ncf;
宝马 Esys plus NCD对比的一个辅助工具
denson0394的博客
10-04 2015
对比的结果需要保存，本人开始用Excel，想把结果分列，但结果太麻烦，还是自己写个软件，把结果筛选需要保存的部分，方便设码。1.把两个有差异的文件比对好，如下图。图内第4步Ctrl+A你全选所有内容，Ctrl+C复制。3.点完筛选后，大概过一两秒钟，结果就会出来，此时，出来的结果是脚本。并已经自动复制好了。在对宝马汽车设码的时候，经常会用到 Esys plus NCD对比功能。4.对某个模块刷隐藏时，把结果粘贴到脚本区。2.打开我写的工具，下方有链接。希望这个软件能帮助经常改装设码的人有点帮助。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值