背景在以太坊中，默认使用ethash（pow）共识算法进行网络正确性的保障，这种共识算法采用的是工作量证明的机制，也就是我们所熟知的“挖矿”。除了主网络，以太坊社区还提供了测试网络供dapp开发者进行开发调试。由...
转载
2019-05-11 17:28:00
694阅读
CLIQUE（Clustering In QUEst)是一种简单的基于网格的聚类方法，用于发现子空间中基于密度的簇。CLIQUE把每个维划分成不重叠的区间，从而把数据对象的整个嵌入空间划分成单元。它使用一个密度阈值识别稠密单元和稀疏单元。一个单元是稠密的，如果映射到它的对象数超过该密度阈值。CLIQUE识别候选搜索空间的主要策略是使用稠密单元关于维度的单调性。这基于频繁模式和关联规则挖掘使用的先验
转载
2024-04-15 22:39:59
405阅读
文章目录机器学习—python 实现网格聚类算法，子空间聚类 CLIQUE算法（pyclustering）一、基于网格聚类原理二、算法实现(一) CLIQUE 算法1. 前言2. 算法过程3. 示例代码参考资料 机器学习—python 实现网格聚类算法，子空间聚类 CLIQUE算法（pyclustering）聚类算法很多，包括基于划分的聚类算法（如：kmeans），基于层次的聚类算法（如：BIR
转载
2024-05-11 14:38:52
162阅读
【题目描述】数轴上有 n 个点,第 i 个点的坐标为 xi,权值为 wi。两个点 i,j 之间存在一条边当且仅当 abs(xi-xj)>=wi+wj。你需要求出这张图的最大团的点数。(团就是两两之间有边的顶点集合)【输入数据】第一行一个整数 n,接下来 n 行每行两个整数 xi,wi。【输出数据】一
转载
2017-11-06 14:45:00
86阅读
2评论
K XOR Clique
BaoBao has a sequence a1,a2,...,an. He would like to find a subset S of {1,2,...,n} such that ∀i,j∈S, ai⊕aj<min(ai,aj) and ∣S∣ is maximum, where ⊕ means bitwi
转载
2018-09-16 19:31:00
93阅读
2评论
Maximum Clique Problem Description Given a graph G(V, E), a clique is a sub-graph g(v, e), so that for all vertex pairs v1, v2 in v, there exists an e
转载
2017-02-18 21:37:00
99阅读
2评论
目录定义聚类 & 分类聚类的流程方法总结 定义聚类分析或聚类算法就是通过一些方法或手段使数据集集聚成不同的类别，或者叫：簇。簇内部每一个单位都是相似的。簇与簇之间都是不相似的。 但是聚类其实是一种思想，它不是一种具体的方法。这里千万不要搞混。但是可以实现聚类的算法有很多种。我们通常就使用这些算法来实现聚类的。比如 K-Means就是最为经典的聚类算法。 在接下来的文章里我会分享部分经典的
转载
2024-03-23 09:09:09
77阅读
题目题意：clique是一个点集，在一个无向图中，这个点集中任意两个不同的点之间都是
原创
2023-06-27 10:12:22
60阅读
A clique is a subset of vertices of an undirected graph such that every two distinct vertices in the clique are adjacent. A maximal clique is a clique
转载
2020-04-14 21:21:00
96阅读
2评论
k近邻算法k近邻法是一种基本分类与回归方法k近邻法输入为实例的特征向量，对应于特征空间的点；输出为实例的类别，可以取多类（与感知机不同的点之一）。分类时，对新的实例，根据其k个最近邻的训练实例的类别，通过多数表决等方式进行预测。算法的基本步骤如下：1）计算已知类别数据集中的点与当前点之间的距离；2）按照距离递增次序排序；3）选取与当前点距离最小的k个点；4）确定前k个点所在类别的出现频率；5）返回
转载
2023-07-21 16:00:48
91阅读
因为自己的好奇心，所以做了这一篇关于KNN 算法的笔记。 文章目录一、简介二、KNN算法实现2.1实现步骤2.2代码实现三、相关测试四、小结 一、简介K-近邻算法是一种常用的监督学习的方法，其与K-Means算法有点类似，其原理是：在给定的样本数据中，基于某种距离(欧式距离或马氏距离等等)找出与当前样本数据距离最近的K个样本数据，然后再基于这K个“邻居”的信息来进行预测。这个算法在生活中应用的其实
转载
2023-07-17 17:15:16
103阅读
前言：九月的最后一天开的这个深坑，可能会需要好几天才能弄清楚这个算法，如果有不对的地方欢迎批评指正，但是！千万不要喷我！我会生气！！！数据发布中隐私保护对象主要是用户敏感数据与个体身份之间的对应关系。通常使用删除标识符的方式发布数据是无法真正阻止隐私泄露的，攻击者可以通过链接攻击获取个体的隐私数据。链式攻击是指攻击者通过对发布的数据和其他渠道获取的外部数据进行链接操作，以推理出隐私数据，从而造成隐
转载
2024-08-09 11:19:17
47阅读
1142Maximal Clique（25 point(s)）Acliqueis a subset of vertices of an undirected g
原创
2022-09-15 11:05:11
42阅读
嘟嘟嘟 很自然的想到先tarjan把强联通分量缩点，因为对于一个强联通分量，要么不选，要么全选，所以可看成一个点。 然后转化成了求DAG上的一条最长路（每一个点都有权值）。刚开始我想用dijkstra写：先把所入度为0的点都放进优先队列里，然后跑dijkstra，把所有的小于号改成大于号。 结果就W
原创
2021-05-29 19:00:12
45阅读
题目链接： B. Clique Problem time limit per test 2 seconds memory limit per test 256 megabytes input standard input output standard output time limit per t
转载
2017-05-14 21:56:00
61阅读
2评论
# k匿名算法简介及Java示例
## 什么是k匿名算法？
k匿名算法是一种隐私保护技术，用于处理包含敏感信息的数据集。该算法通过将数据集中的个体进行分组并进行数据扰动，以保护个体的隐私。k匿名算法的目标是在保证数据可用性的前提下，使得每个数据组中至少有k个相同的记录，从而隐藏个体的特征信息。
## k匿名算法的实现
在Java中，可以使用以下步骤实现k匿名算法：
1. 加载数据集：首先
原创
2023-07-21 15:36:47
414阅读
Maximum CliqueTime Limit: 20000/10000 MS (Java/Others) Memory Limit: 65536/32768 K (Java/Others)Total Submission(s): 5380 Accepted Submission(s): 2776
转载
2018-08-12 13:41:00
59阅读
