流形学习关注于寻找合适的嵌入方式将高维空间映射至低维空间,但映射子空间依然可能具有较高的维度,难以解决高维空间的数据挖掘任务.本文建立一种简单的矩阵模型判断数据点k近邻空间关于该点的对称性,并使用对称率进行边界提取,提出一...流形学习关注于寻找合适的嵌入方式将高维空间映射至低维空间,但映射子空间依然可能具有较高的维度,难以解决高维空间的数据挖掘任务.本文建立一种简单的矩阵模型判断数据点k近邻空间关于该点的对称性,并使用对称率进行边界提取,提出一种基于矩阵模型的高维聚类边界检测技术(Clustering boundary detection based on matrix model,MMC).该模型构造简单、直接、易于理解和使用.理论分析以及在人工合成和真实数据集的实验结果表明MMC算法能够有效地检测出低维和高维空间的聚类边界.展开更多
为了测量能量在100 Te V~10 PeV之间宇宙线粒子信息,提出了水契伦科夫探测阵列动态范围扩展系统。设计了水契伦科夫探测阵列动态范围扩展系统读出电路,该电路联合光电倍增管打拿极阳极读出,实现了10 000倍动态范围内高精度的电荷测量,...为了测量能量在100 Te V~10 PeV之间宇宙线粒子信息,提出了水契伦科夫探测阵列动态范围扩展系统。设计了水契伦科夫探测阵列动态范围扩展系统读出电路,该电路联合光电倍增管打拿极阳极读出,实现了10 000倍动态范围内高精度的电荷测量,时间测量精度达到20 ns,全量程内分辨率好于10%,线性偏差好于5%。展开更多
文摘流形学习关注于寻找合适的嵌入方式将高维空间映射至低维空间,但映射子空间依然可能具有较高的维度,难以解决高维空间的数据挖掘任务.本文建立一种简单的矩阵模型判断数据点k近邻空间关于该点的对称性,并使用对称率进行边界提取,提出一种基于矩阵模型的高维聚类边界检测技术(Clustering boundary detection based on matrix model,MMC).该模型构造简单、直接、易于理解和使用.理论分析以及在人工合成和真实数据集的实验结果表明MMC算法能够有效地检测出低维和高维空间的聚类边界.