这篇论文的MATLAB代码是关于“密度峰值引导的非对称多标签相关性”的。该代码提供了对应论文的实现。
密度峰值引导的非对称多标签相关性Matlab源码
相关推荐
密度峰值聚类算法源码
该代码是基于 Rodriguez A, Laio A 发表在 Science 上的论文中提出的密度聚类算法实现。
算法与数据结构
12
2024-05-25
基于快速查找和密度峰值的峰值密度聚类matlab代码
这个资源库包含了我对《基于自适应密度的无监督高光谱遥感图像聚类》论文的实现，该论文参考自2014年的《Clustering by fast search and find of density peaks》。我在MATLAB中进行了大量修改，以优化参数设置和算法框架。
Matlab
14
2024-09-28
快速计算向量相关性
快速相关算法在C语言中高效、稳定地计算两个向量之间的相关性。将其编译为fastcorr.dll后可供Matlab调用。另提供备用函数SLOWCORRELATION，仅供参考，实际计算中效率较低。
Matlab
12
2024-05-12
密度峰值聚类 MATLAB 实现
提供一种基于密度峰值快速搜索，用于发现聚类中心的聚类算法 MATLAB 源代码。
算法与数据结构
16
2024-05-12
变量相关性的计算参数比较
综合多篇文章，总结了计算变量相关性的三个主要参数：皮尔逊相关系数、距离相关和最大信息系数。文章详细介绍了它们各自的计算方法和应用场景。
算法与数据结构
16
2024-07-15
求解非对称微分Riccati矩阵方程Matlab开发
解决非对称微分Riccati矩阵方程的方法，通过后向微分公式法。给定初始条件和参数，该方法在Matlab环境中实现。输入包括矩阵A、B、C、D以及初始矩阵Y0，输出包括方程在特定时间范围内的解Y和特定时间点tf的解Ytf。作者为拉赫利法·萨德克，最后修改日期为2019年9月29日，联系邮箱为lakhlifasdek@gmail.com。
Matlab
11
2024-08-23
解读相关性分析与相关系数
相关性分析与相关系数
相关性分析用于探索两组数据集中数据之间的关系，即使它们采用不同的度量单位。而相关系数 (R) 则量化了这种关系的强度和方向。
计算方法： 相关系数是两组数据集的协方差与其标准偏差乘积的商。
结果解读：
R > 0： 表示正相关，即一组数据中的较大值对应于另一组数据中的较大值。
R < 0> 表示负相关，即一组数据中的较大值对应于另一组数据中的较小值。
R = 0： 表示不存在线性相关关系，但并不排除其他类型的关系。
R 的绝对值越接近 1，相关性越强；越接近 0，相关性越弱。
统计分析
10
2024-05-29
解读非对称灯具配光曲线
某些灯具的设计并非对称结构，为了准确描述这类灯具的光强分布，需要借助多个截面的配光曲线。这些曲线以灯具轴线为基准，展示光线在不同方向上的强度变化，从而全面反映其空间照度特性。
Informix
16
2024-05-12
杂草性状与分布危害的相关性研究
为探究影响我国杂草分布和危害程度的生物学因素, 研究人员以 1387 种中国境内杂草为研究对象, 分析了其分布危害等级与 28 个生态适应性状之间的关系。这些性状涵盖种子(果实)产量、传播方式、营养繁殖能力、生活史长短、繁育系统、生活型、花部特征、传粉方式、毒性、刺以及适应的生境类型等。研究结果显示, 对于 1387 种杂草整体而言, 生活史短、花两性、种子产量高、种子(果实)具备特殊传播方式、阳生、有毒以及直立、挺水、莲座状生活型的植物, 其分布危害等级较高。
统计分析
14
2024-05-19