...数）可能高达数百甚至数千，对于这类 问题，难度随维数的增加呈指数增长，这就是所谓的“维数的灾难”（Course Dimensionality），传统的数值方法难以对此进行计算，蒙特卡罗方法能很好的用来 对付维数的灾难，因为该方法的计算复杂性不再依赖于维数。
基于84个网页-相关网页
对这类题目，难度随维数的增加呈指数增加，这就是所谓的"维数的灾难"(Course Dimensioningity)，听说方法。保守的数值方法难以敷衍（尽管使用速度最快的计算机）。
基于60个网页-相关网页
对这类问题，难度随维数的增加呈指数增长，这就是所谓的“维数的灾难”(Curse of Dimensionality)，传统的数值方法难以对付（即使使用速度最快的计算机）。
基于40个网页-相关网页
并且，在数据处理过程中，准确的本征维数估计对选取合适的邻域大小有很大的帮助，可以避免“维数灾难”。
The accurate intrinsic dimension estimation also profit to select an appropriate neighborhood size in data processing for avoiding dimensionality curse.
为解决传统索引方法对高维数据索引时存在的维数灾难问题，提出一种多分辨率向量近似方法。
The Vector Approximation File approach overcomes some of the difficulties of dimensionality curse, but it cant support the quadratic form metric.
应用推荐