adalara | 面向大型应用的多元并行原型算法(ADALARA) | ||
adalara_no_paral | 面向大型应用的多元非并行原型算法(ADALARA) | ||
archetypoids_funct | 具有函数Frobenius范数的原型算法 | ||
archetypoids_funct_multiv | 函数型多元Frobenius范数的原型算法 | ||
archetypoids_funct_multiv_robust | 具有函数多元鲁棒Frobenius范数的原型算法 | ||
archetypoids_funct_robust | 具有函数鲁棒Frobenius范数的原型算法 | ||
archetypoids_norm_frob | 基于Frobenius范数的原型算法 | ||
archetypoids_robust | 鲁棒Frobenius范数的原型算法 | ||
bisquare_function | 双平方函数 | ||
do_ada | 用Frobenius范数进行整个经典原型分析 | ||
do_ada_robust | 使用robustfrobenius范数运行整个robust原型分析 | ||
do_alphas_rss | 每一组原型的字母和RSS | ||
do_alphas_rss_multiv | 每一组多元原型的Alphas和RSS | ||
do_clean | 清除异常值 | ||
do_clean_multiv | 清除多元函数异常值 | ||
do_fada | 用Frobenius范数进行整个功能原型分析 | ||
do_fada_multiv | 用多元函数Frobenius范数进行原型分析 | ||
do_fada_multiv_robust | 用多元函数稳健Frobenius范数进行原型分析 | ||
do_fada_robust | 用功能强大的Frobenius范数进行整个原型分析 | ||
do_knno | 离群点检测的kNN算法 | ||
do_outl_degree | 异常度 | ||
fadalara | 面向大型应用的函数并行原型算法(FADALARA) | ||
fadalara_no_paral | 面向大型应用的函数型非并行原型算法(FADALARA) | ||
frame_in_r | 计算原型框架 | ||
frobenius_norm | 弗罗贝尼乌斯范数 | ||
frobenius_norm_funct | 函数Frobenius范数 | ||
frobenius_norm_funct_multiv | 多元函数Frobenius范数 | ||
frobenius_norm_funct_multiv_robust | 泛函多元鲁棒Frobenius范数 | ||
frobenius_norm_funct_robust | 泛函鲁棒Frobenius范数 | ||
frobenius_norm_robust | 鲁棒Frobenius范数 | ||
int_prod_mat | 矩阵间内积 | ||
int_prod_mat_funct | FDA的矩阵间内积 | ||
int_prod_mat_sq | 矩阵间平方内积 | ||
int_prod_mat_sq_funct | FDA矩阵间的平方内积 | ||
outl_toler | 公差异常值 | ||
stepArchetypesRawData_funct | 基于函数Frobenius范数的原始数据原型算法 | ||
stepArchetypesRawData_funct_multiv | 基于泛函多元Frobenius范数的原始数据原型算法 | ||
stepArchetypesRawData_funct_multiv_robust | 基于泛函多元鲁棒Frobenius范数的原始数据原型算法 | ||
stepArchetypesRawData_funct_robust | 基于函数鲁棒Frobenius范数的原始数据原型算法 | ||
stepArchetypesRawData_norm_frob | 基于Frobenius范数的原始数据原型算法 | ||
stepArchetypesRawData_robust | 基于鲁棒Frobenius范数的原始数据原型算法 |