- 综合排序
- 最热优先
- 最新优先
- 来自专栏好奇心Log
时空地理数据大搜寻计划（三）
点击下方公众号，回复资料，收获惊喜 收集数据也算是我的一大爱好，所以今天给大家分享一些可能会用到的时空地理数据，具体用到的时候还是要仔细地去看技术文档的。 由哥白尼土地局的全球部门制作，取材自PROBA-V卫星观测和辅助数据集，可以下载到电脑本地 ? ? ###### [2] 荷兰0.5米分辨率非插值DEM数据体验。 [5]全球高分辨率地表水分布数据(1984-2020)。 [7]全球土壤湿度数据。 [10]全球水文数据集。地址：http://hydro.iis.u-tokyo.ac.jp/~yamadai/MERIT_Hydro/index.html ? [12]飓风数据集。
82820发布于 2021-05-28 - 来自专栏好奇心Log
时空地理数据大搜寻计划（二）
数据是GIS的血液。时空地理数据是我们经常会用到的，很多时候，分析数据可能花不了多长时间，但是收集一些合适的数据总是耗时最多，So,这一次再去搜索GIS时空地理数据，Go! 1.全球气候分区数据[https://geoafrikana.com/resources/] ? 下载过来在Google Earth或者ArcGIS中打开看看 ? ? 3.哈佛地理空间数据集[http://hgl.harvard.edu:8080/opengeoportal/] ? 4.区域地图[https://dataverse.harvard.edu/dataverse/hrs] 提供有shp文件，以及一些社会经济数据 ? ? ? OK,这一期的时空地理数据收集就先到这里了，不论是做历史地理研究，比如分析城区的扩展历史，还是用来观赏，这些地图都具有了研究价值和美学价值，应该是不错的了 最后，感谢大家的分享与转发！
78710发布于 2021-05-28 - 来自专栏算法进阶
时间序列和时空数据大模型综述！
我们引入了统一且结构化的分类法，将现有研究分为两个主要集群：时间序列大模型（LM4TS）和时空数据大模型（LM4STD），根据数据类别进行组织。 图2 大模型（即语言和其他相关的基础模型）可以被训练或巧妙地重新用于处理时间序列和时空数据，以用于一系列通用任务和专用领域应用。 3 时间序列数据的大模型 时间序列数据的大模型包括用于时间序列数据的LLM（LLM4TS）和用于时间序列数据的PFM（PFM4TS）。 时空图的大语言模型 相较于PFM，使用LLM增强STGNN学习能力的文献较少。 6.1 大模型的理论分析 大型语言模型（LLM）主要处理自然语言，但最近的研究将其扩展到时间序列和时空任务。LLM的学习表示可被微调以捕捉时序数据模式。
6.5K12编辑于 2024-03-18 - 来自专栏凹凸玩数据
盘点 10大 数据库！
大家好，我是小五 DB-Engines 最近发布了 2021 年 9 月份的数据库排名。该网站根据数据库管理系统的受欢迎程度对其进行排名，实时统计了 378 种数据库的排名指数。 前 30 名的排行情况详见下图，前10大数据库 用线段做了分割。同时在文末，会免费赠送给大家一些数据库书籍！ 跌幅榜情况 较去年同期，本月三霸主集体暴跌再次霸占了“同期跌幅榜”。 虽然各大开源类数据库百花齐放，然而，在 DB-Engines 全球数据库排行榜上，Oracle 和 MySQL 依然是世界上最受欢迎的商业和开源类数据库，而且领跑优势还在继续扩大。 小众数据库不可小觑 数据库相关从业人员可以将 DB-Engines 数据库排名作为参考，大数据时代发展速度之快超乎我们的想象，新的数据库产品仍然在不断诞生，如果你的需求比较特殊，大众数据库产品无法很好地满足你 每天数据增量十多亿，近百万次查询请求。 快手内部也在使用 ClickHouse，存储总量大约 10PB， 每天新增 200TB， 90% 查询小于 3S。
2.5K10发布于 2021-10-18 - 来自专栏时空探索之旅
ICLR 2026 | 时空数据(Spatial-Temporal)论文总结（物理时空和气象时空：气象预测，时空点过程等）
本文总结了ICLR 2026时空数据（Spatial-Temporal）的论文，总计36篇，本文涉及13篇，如有疏漏，欢迎补充。 注：由于论文数目较多，分为上下篇，基于数据生成机制与应用场景的本质差异对论文进行分类： 上篇主要涵盖交通时空数据以及城市科学等内容，包括交通预测，人群移动，轨迹挖掘，交通模拟，自动驾驶，信号控制等内容。 下篇主要涵盖：气象时空和物理时空，如气象预测，时空点过程，时空动力系统等 观察：下篇文章统计值 最大均分 均值 最小均分 7 5.31 4 其中均分≥6的有3篇。 1. Gencer Sumbul, Li Mi, Robin Zbinden, Devis Tuia 分数：4, 4, 8, 6 信心：4, 4, 3, 3 均分：5.5 推荐阅读 ICLR 2026 | 时空数据 欢迎各位作者投稿近期有关时空数据和时间序列录用的顶级会议和期刊的优秀文章解读，我们将竭诚为您宣传,共同学习进步。如有意愿,请通过后台私信与我们联系。 如果觉得有帮助还请分享，在看，点赞
35910编辑于 2026-03-10 - 来自专栏时空探索之旅
AI论文速读 | STG-LLM 大语言模型如何理解时空数据？
这些研究为理解和改进时空数据的预测提供了多种方法和模型，但大多数方法专注于特定领域或数据结构，且在处理时空依赖关系时可能需要复杂的模型设计和大量的数据。 三种LLM应用时空数据的方法 Figure1（a）: 使用自然语言描述时空数据，其中时空数据被转换为文本，这种方法需要大量的token来充分描述时空数据。 此外，现有的LLM没有能力基于自然语言描述来推断复杂的时空依赖性。 Figure1（b）:利用时空数据和相关文本。这样，就可以通过对齐模块等方法将时空数据映射到文本中。 通过这种方式，可以将复杂的时空数据转换为LLMs可以理解的有限数量的token，同时保持数据的时空语义信息。 通过这些方法，STG-LLM能够有效地使LLMs理解时空数据，并在多个时空基准数据集上实现与现有最先进方法（SOTA）相当的性能。
70110编辑于 2024-11-19 - 来自专栏C++&linux
【数据结构初阶】八大排序算法+时空复杂度
因为我们交换元素的顺序是先交换小在交换大，所以只要交换小不出问题，后面的交换大肯定也不会出问题。 我们在if语句的判断部分，找的数一定得比key小或大，连相等都是不可以的，为什么呢？因为会产生死循环。 //先前有问题的逻辑： //但到了10个测试数据的时候，由于他不是2的n次方个，无法被两两分成一个归并组，出现越界访问。 答案是7种数字，所以我们在开辟空间时也要开辟max-min+1大小的空间。 六、排序总结 排序的稳定性： a. 七、时空复杂度 1.时间复杂度 时间是一去不复返的，累计的 时间复杂度算的就是基本操作的执行次数。 递归情况下就是算出每一个函数栈帧中的执行次数并且累加起来。
2.7K30编辑于 2023-04-12 - 来自专栏frytea
时空位置与大数据
在这个人人都谈大数据，处处皆用大数据的时代，我们身边的这些大数据究竟如何产生，又有多大的体量了呢？ 预计到2020 年，中国产生的数据总量将是2013年的10倍，超过8.5ZB。 （来源，ZDNET《数据中心2013：硬件重构与软件定义》年度技术报告） 在这些数据中，除了人们日常消费、生活、交通产生的数据之外，基于位置的数据正在其中发挥着越来越重要的作用，基于位置的数据挖掘成果丰硕 百度地图则有着：高成功率、 低流量消耗、全球覆盖、10米内精度、毫秒级响应、低内耗的特点。腾讯定位的介绍非常简单：日均定位量行业第一、服务可用性99.99%、室内室外无缝定位、低功耗、低流量。 Frytea Title: 时空位置与大数据 Link: https://blog.frytea.com/archives/289/ Copyright: This work by TL-Song
1.3K20发布于 2020-07-16 - 来自专栏点滴积累
时空大数据云平台
为了解决当前数据中心运营过程中的数据管理组织混乱，无法深入数据本身，无法实现在线查看、浏览、分析计算等问题，我司推出了一款时空大数据云平台，能够实现数据的在线管理、在线可视化、在线计算以及在线代码编辑器等功能 一、在线管理 当前数据中心数据管理方式多为FTP，用户只能看到数据包含的文件信息，而无法看到真实的数据信息。 并可以深入到数据实体而非数据文件进行管理，能够查看数据的缩略图，查看数据元数据（包含波段、空间范围、大小、分辨率等），查看数据统计信息（包含字段、数量、最大值、最小值、平均值等信息）等。 [数据管理] [元数据] [数据详情] [缩略图] 通过这些信息能够让用户对此数据有一个直观的了解，但这些还不够，还不足以让用户全面的了解一个数据，于是我们实现了数据在线可视化功能。 [数据可视化] [矢量数据可视化] [栅格数据可视化] [观测数据可视化] [观测数据可视化] [数据过滤] [空间化] 系统还支持直接将可视化结果输出，用户可以自行配置标题、指北针、图例、比例尺、作者
6.2K01发布于 2020-01-18 - 来自专栏个人分享
数据挖掘10大算法详细介绍
想初步了解下怎样数据挖掘，看到一篇不错的文章转载过来啦~ 转自:http://blog.jobbole.com/89037/ 在一份调查问卷中，三个独立专家小组投票选出的十大最有影响力的数据挖掘算法 只有这样之后 SVM 才有能力对新数据进行分类。 为什么我们要用 SVM 呢？ SVM 和 C4.5大体上都是优先尝试的二类分类器。 举个 AdaBoost 算法的例子：我们开始有3个弱学习器，我们将在一个包含病人数据的数据训练集上对他们做10轮训练。数据集里包含了病人的医疗记录各个细节。 在10轮结束的时候，我们剩下了一个带着不同权重的已经训练过的联合学习分类器，之后重复训练之前回合中被误分类的数据。 这是个监督还是非监督算法？ 第四步：计算其他类时也做类似的计算： 因为0.252大于0.01875，Naive Bayes 会把长形，甜的还是黄色水果分到香蕉的一类中。 这是个监督算法还是非监督算法呢？
2.3K40发布于 2018-09-06 - 来自专栏小小挖掘机
【时空序列预测实战】详解时空序列常用数据集之MovingMnist数据集(demo代码)
前言 毋庸置疑在做时空序列模型的时候，oving数据集，或者说标准的数据集是必要的 这篇文章我们主要介绍MovingMnist数据集，做这个方向的research是逃不过这个数据集的使用的 一、 Address 地址：http://www.cs.toronto.edu/~nitish/unsupervised_video/ 这个数据集主要是在 Unsupervised Learning of Video Representations ，一直没来得及写解析，有时间会补上 二、具体信息 一个seq有二十个图片，前十帧为input，后十帧为target,一共有10000个sequence，每个图片的大小为64✖64 (contains 10,000 ], self.train_data[index, 10:] else: seq, target = self.test_data[index, :10], self.test_data [index, 10:] if self.transform is not None: seq = _transform_time(seq) if
2.5K30发布于 2020-11-09 - 来自专栏浴巾的学习分享贴
数据结构_时空复杂度
数据结构_时空复杂度 前言：此类笔记仅用于个人复习，内容主要在于记录和体现个人理解，详细还请结合bite课件、录播、板书和代码。 void Func2(int N) { int count = 0; for (int k = 0; k < 2 * N ; ++ k) { ++count; } int M = 10; while (M--) { ++count; } printf("%d\n", count); }基本语句（或者说基本操作）执行了2N+10次，大O渐进表示法就是O(N) N是数据规模 ， 数据规模越大，复杂度的差距越大 ，算法的优劣体现的就越明显 基本语句（或者说基本操作）的执行次数成为时间频度，在上面的例子中T(N)=2N+10 // 计算Func3的时间复杂度? count; } for (int k = 0; k < N ; ++ k) { ++count; } printf("%d\n", count); }基本操作执行了M+N次，而带入到算法中的数据规模也有两个
36320编辑于 2023-05-09 - 来自专栏大数据
10大数据挖掘算法及其简介
Naive Bayes 10. CART 1.C4.5 C4.5以决策树的形式构造了一个分类器。为了做到这一点，C4.5给出了一组已经分类的数据。 分类器是数据挖掘中的一个工具，它取一堆数据来表示我们想要分类的东西，并试图预测新数据属于哪个类。 例如，假设在患者数据集中。 4.Apriori Apriori算法学习关联规则，并应用于包含大量事务的数据库。 关联规则学习是一种数据挖掘技术，用于学习数据库中变量之间的相互关系和关系。 例如，假设我们有一个超市交易数据库。 在统计数据中，EM算法迭代并优化了查看观测数据的可能性，同时评估未观测变量的统计模型参数。 10.CART CART代表分类和回归树。它是一种决策树学习技术，它输出分类或回归树。和C4.5一样，CART是一个分类器。 分类树是否像决策树?分类树是决策树的一种类型。分类树的输出是一个类。
1.2K70发布于 2018-01-19 - 来自专栏ATYUN订阅号
10大数据挖掘算法及其简介
Naive Bayes 10. CART 1.C4.5 C4.5以决策树的形式构造了一个分类器。为了做到这一点，C4.5给出了一组已经分类的数据。 分类器是数据挖掘中的一个工具，它取一堆数据来表示我们想要分类的东西，并试图预测新数据属于哪个类。 例如，假设在患者数据集中。 4.Apriori Apriori算法学习关联规则，并应用于包含大量事务的数据库。 关联规则学习是一种数据挖掘技术，用于学习数据库中变量之间的相互关系和关系。 例如，假设我们有一个超市交易数据库。 在统计数据中，EM算法迭代并优化了查看观测数据的可能性，同时评估未观测变量的统计模型参数。 10.CART CART代表分类和回归树。它是一种决策树学习技术，它输出分类或回归树。和C4.5一样，CART是一个分类器。 分类树是否像决策树?分类树是决策树的一种类型。分类树的输出是一个类。
1.2K130发布于 2018-03-06 - 来自专栏小小挖掘机
【时空序列】TKDE2020-时空图数据挖掘深度学习技术全面综述
传统数据挖掘方法因为时空数据的时空特性和高相关性特征而效果不佳，并随着时空数据容量日益增长而不堪重负。最近，拥有自主特征表示能力、强大的功能逼近能力的深度学习技术在时空数据挖掘上取得了重大的成功。 该论文的主要贡献如下： （1）系统且扼要地回顾了近期运用于时空数据挖掘的深度学习技术，对时空数据类型进行分类，介绍在时空数据挖掘中广泛使用的流行的深度学习模型，并总结了不同时空数据类型的数据表示形式。 时空数据实例和格式： (1)数据实例: 时空数据的数据实例包括事件，轨迹，时间序列，空间图和时空栅格。 时空数据预处理的目的是将时空数据实例表示为深度学习模型能够处理的合适的数据表示格式，通常一种类型的时空数据实例对应于一种典型的数据表示。 在一个时空数据挖掘任务中，除了所研究的时空数据，还有一些其他类型的数据与时空数据高度相关，将这些数据与时空数据相结合通常可以提高学习任务的性能。
3.7K30发布于 2020-12-08 - 来自专栏五分钟学算法
10 大算法
与早期的排序算法相比(如冒泡算法)，这些算法将排序算法提上了一个大台阶。也多亏了这些算法，才有今天的数据发掘，人工智能，链接分析，以及大部分网页计算工具。 02 傅立叶变换 和快速傅立叶变换 ? 9 数据压缩算法 数据压缩算法有很多种，哪种最好？这要取决于应用方向，压缩mp3，JPEG和MPEG-2文件都不一样。 哪里能见到它们？不仅仅是文件夹中的压缩文件。 你正在看的这个网页就是使用数据压缩算法将信息下载到你的电脑上。除文字外，游戏，视频，音乐，数据储存，云计算等等都是。它让各种系统更轻松，效率更高。 10 随机数生成算法 ?
52840发布于 2019-06-03 - 来自专栏3D可视化
HSDB-超维时空数据库
HSDB是具备万维数据描述和存储能力的超维时空数据库，能够覆盖IoT数字孪生六大维度集，包括具有时间序列特征的行为/状态和具有空间坐标特征的位置/关系。 通过先进的数据分片技术，能够实现海量数据的分布式存储。同时，利用成熟的倒排索引技术，可支撑百亿数据量级下的高性能查询需求，满足上层各种数字孪生可视化场景的数据使用需求。 什么是维度？ 后来，维度被引入物理学领域，用于描述独立的时空坐标（N个坐标代表N维空间）。在数字孪生领域，维度可以理解为现实对象的数据参数，也称属性。 维度有什么作用？ 如何保障维度调整的灵活性，这就需要软件定位多维数据模型的能力。 软件定义数据模型的本质，就是将数据模型与上层应用功能解耦，使数据模型具备扩展性，从而满足不同应用场景下的数字化需求。 （软件定义的本质是实现了数据平面和管理控制平面解耦）优锘提供了便捷的软件定义数据模型能力，通过图形界面灵活定义和维护对象分类、属性及关系约束，降低数据模型的变更成本和实施风险，真正实现了数据模型对上层可视化需求的快速响应
1.6K51发布于 2019-11-14 - 来自专栏云社区全球资讯抢先看
时空大数据加速智慧城市落地
据介绍，城市计算包括城市数据的感知和获取、数据的管理、数据的分析和挖掘以及数据的服务和提供。“这四个层面连成一个环路，不断地、自动地在不干扰人生活的情况下，用大数据解决城市的大挑战。”郑宇说。 郑宇说，“我们是给整个城市提供服务，对整个城域作推断、预测，运算量非常大，而且要求实时。因此，数据和应用之间就需要一个平台来连接。” “很遗憾现在任何一家公司的云计算平台都不能很好地支持我们的时空大数据。”郑宇坦言，“城市大数据平台并不是云计算平台，后者并不能很好地支持上述运算。” 把握时空数据 “城市计算处理的是时空数据，它跟视频、图像、语音是不同的。这也导致传统的深度学习模型不能直接拿来用。” 郑宇解释说，时空数据有空间属性和时间属性，时间属性又包括时间的平滑性、周期性和趋势性。 据介绍，数据的应用是首先把相邻几个小时的数据放到一个深度卷积神经网络里面，来模拟相邻时间的时序的平滑性。
1.4K00发布于 2017-12-26 - 来自专栏LiveEdu在线科技教育平台
2017编程趋势预测：10大技术大热，10大技术遇冷
SVG和HTML包含了一大堆标签，Web开发者使用起来往往更方便，现在还有了大的APIs，让你可以在画布对象上详细地绘画图形，通常还会提供视频卡来帮助你使用。 新的Web应用程序是从前端到有大量内容的大数据库。当Web应用程序需要信息时，它就从数据库中提取信息并将信息注入到本地的模具中。 现在没有必要使用Web附加设备所需要的所有东西来标记数据，以便创建一个网页了。数据层是完全独立于演示和格式层。 Android大热, iOS遇冷 几年前，苹果专卖店门前排起的“人龙”还记得吧？ 10. 在线即时教育成趋势，四年传统教育不再是主流 以计算机为媒介的课程已经不是新玩意了，每个人正在享受着观看视频讲座的好处。
1.7K100发布于 2018-05-21 - 来自专栏CDA数据分析师
【干货】数据挖掘的10大分析方法
其缺点是：在构造树的过程中，需要对数据集进行多次的顺序扫描和排序，因而导致算法的低效。 将修改过权值的新数据集送给下层分类器进行训练，最后将每次训练得到的分类器最后融合起来，作为最后的决策分类器。 同时，NBC模型所需估计的参数很少，对缺失数据不太敏感，算法也比较简单。理论上，NBC模型与其他分类方法相比具有最小的误差率。 10.CART:分类与回归树 CART,ClassificationandRegressionTrees。在分类树下面有两个关键的思想。 第一个是关于递归地划分自变量空间的想法；第二个想法是用验证数据进行剪枝。
2K80发布于 2018-02-11
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号