高维数据是什么

Ⅰ 求 高维数据检索方法

其实你这个高维的东西说的很模糊，毕竟总来看问题的可能不是你这个领域的人，所以对实际的问题比较模糊，还是不了解具体的含义。

不过正常来说,查找最快速的方法是HASH表,其实相当与一个MAP,就是一一映射,但是设计一个好的HASH也比较难......

还有就是树的方法,不过你的数据结构本身就特别复杂,所以用B树可能也很复杂.这个问题我觉得发到这里可能不是有特别好的结果,最好去国外数据库相关的论坛看看。因为你的这个数据量已经很大了。

Ⅱ 多维数据集和多维数据库是什么关系

多维数据库增加了一个时间维，与关系数据库相比，它的优势在于可以提高数据处理速度，加快反应时间，提高查询效率。

Ⅲ 什么是高维数据

高维数据的解答如下：

1. 平时经常接触的是一维数据或者可以写成表形式的二维数据。

2. 高维数据也可以类推，不过维数较高的时候，直观表示很难。
   

高维数据挖掘是基于高维度的一种数据挖掘，它和传统的数据挖掘最主要的区别在于它的高维度。高维数据挖掘已成为数据挖掘的重点和难点。随着技术的进步使得数据收集变得越来越容易，导致数据库规模越来越大、复杂性越来越高，如各种类型的贸易交易数据、Web 文档、基因表达数据、文档词频数据、用户评分数据、WEB使用数据及多媒体数据等，它们的维度（属性）通常可以达到成百上千维，甚至更高。

Ⅳ 什么是高维数据

高维数据挖掘，是基于高维度的一种数据挖掘，和传统的数据挖掘最主要的区别在于它的高维度。高维数据挖掘已成为数据挖掘的重点和难点。

随着技术的进步使得数据收集变得越来越容易，导致数据库规模越来越大、复杂性越来越高，如各种类型的贸易交易数据、Web 文档、基因表达数据、文档词频数据、用户评分数据、WEB使用数据及多媒体数据等，它们的维度（属性）通常可以达到成百上千维，甚至更高。

(4)高维数据是什么扩展阅读：

数据挖掘的广义观点：数据挖掘就是从存放在数据库，数据仓库或其他信息库中的大量的数据中“挖掘”有趣知识的过程。它是计算机技术研究中的一个很有应用价值的新领域，融合了数据库、人工智能、机器学习、统计学等多个领域的理论和技术，已成为国际上数据库和信息决策领域中最前沿的研究方向之一，引起了学术界和工业界的广泛关注。

随着数据维数的升高，高维索引结构的性能迅速下降，在低维空间中，我们经常采用欧式距离作为数据之间的相似性度量，但在高维空间中很多情况下这种相似性的概念不复存在，这就给高维数据挖掘带来了很严峻的考验，一方面引起基于索引结构的数据挖掘算法的性能下降，另一方面很多基于全空间距离函数的挖掘方法也会失效。

解决的方法可以有以下几种：可以通过降维将数据从高维降到低维，然后用低维数据的处理办法进行处理；对算法效率下降问题可以通过设计更为有效的索引结构、采用增量算法及并行算法等来提高算法的性能；对失效的问题通过重新定义使其获得新生。

Ⅳ 多维数据库是什么

多维数据库（Multi Dimensional Database,MDD）可以简单地理解为：将数据存放在一个n维数组中，而不是像关系数据库那样以记录的形式存放。因此它存在大量稀疏矩阵，人们可以通过多维视图来观察数据。多维数据库增加了一个时间维，与关系数据库相比，它的优势在于可以提高数据处理速度，加快反应时间，提高查询效率。

Ⅵ 高维数据挖掘的什么是数据挖掘

数据挖掘指的是从大量的数据中提取隐含的、事先未知的、并且潜在有用的知识的技术。数据挖掘的广义观点：数据挖掘就是从存放在数据库，数据仓库或其他信息库中的大量的数据中“挖掘”有趣知识的过程。它是计算机技术研究中的一个很有应用价值的新领域，融合了数据库、人工智能、机器学习、统计学等多个领域的理论和技术，目前已成为国际上数据库和信息决策领域中最前沿的研究方向之一，引起了学术界和工业界的广泛关注。

Ⅶ 什么叫做多维数据分析

多维数据分析也是一本书，主要针对高等学校信息管理与信息系统专业和计算机专业的数据仓库课程的实验教学而编写。全书以数据仓库和OLAP（联机分析处理）理论为基础，以SQLServer2000AnalysisServices为实验工具，以一个人寿保险公司的数据仓库系统为背景，通过一个完整的案例，系统全面地介绍了数据仓库系统的分析、设计、实施、管理与维护的过程。
多维分析报表结合商业智能的核心技术——OLAP，可以帮助用户进行多角度、灵活动态的分析。多维分析报表由“维”（影响因素）和 “指标”（衡量因素）组成，能够真正为用户所理解、并真实的反映企业特性信息。

Ⅷ 怎么判断高维数据集是不是稀疏的

超过三维 四维的空间维度 就被称为高维度 因为它们无法被人们的感官所直观感知到 高维数据又叫多维数据 这个是指信息的获取渠道有多个不同的来源途径 将各方各面各种不同的数据汇总起来 综合地了解事物的各方面特性 以对事物本身有一个比较全面