宏斌PKUCIS

在数学的王国里,自由地编程

导航

2016年11月30日 #

机器学习PR:k近邻法分类

摘要: k近邻法是一种基本分类与回归方法。本章只讨论k近邻分类,回归方法将在随后专题中进行。 它可以进行多类分类,分类时根据在样本集合中其k个最近邻点的类别,通过多数表决等方式进行预测,因此不具有显式的学习过程。其本质是利用训练数据集对特征向量空间进行划分,并作为其分类的模型。k值选择、距离度量以及分类决策 阅读全文

posted @ 2016-11-30 17:51 宏斌PKUCIS 阅读(316) 评论(0) 推荐(0) 编辑

感知机模型

摘要: 感知机是二类分类的线性分类模型,所谓二分类指的是输出的类别只有-1或1两种,所谓线性指的是输入的特征向量集合在特征空间中被超平面划分为相互分离的正负两类。感知机学习的目的正是为了求出将训练数据进行线性划分的分离超平面。 1、感知机模型: 定义:x是n维特征向量,y是判断的二元类别-1或1,判别函数f 阅读全文

posted @ 2016-11-30 16:38 宏斌PKUCIS 阅读(487) 评论(0) 推荐(0) 编辑

CV相机标定:

摘要: 待增加 阅读全文

posted @ 2016-11-30 01:44 宏斌PKUCIS 阅读(129) 评论(0) 推荐(0) 编辑

CV三维重建:

摘要: 待增加 阅读全文

posted @ 2016-11-30 01:42 宏斌PKUCIS 阅读(179) 评论(0) 推荐(0) 编辑

CV立体匹配:

摘要: 待增加 阅读全文

posted @ 2016-11-30 01:41 宏斌PKUCIS 阅读(120) 评论(0) 推荐(0) 编辑

CV图像分类:

摘要: 待增加 阅读全文

posted @ 2016-11-30 01:40 宏斌PKUCIS 阅读(133) 评论(0) 推荐(0) 编辑

CV对象追踪:

摘要: 待增加 阅读全文

posted @ 2016-11-30 01:39 宏斌PKUCIS 阅读(110) 评论(0) 推荐(0) 编辑

CV对象识别:

摘要: 待增加 阅读全文

posted @ 2016-11-30 01:38 宏斌PKUCIS 阅读(115) 评论(0) 推荐(0) 编辑

CV特征提取:

摘要: 待增加 阅读全文

posted @ 2016-11-30 01:36 宏斌PKUCIS 阅读(137) 评论(0) 推荐(0) 编辑

CV图像处理:

摘要: 待增加 阅读全文

posted @ 2016-11-30 01:34 宏斌PKUCIS 阅读(101) 评论(0) 推荐(0) 编辑

博弈论:

摘要: 待增加 阅读全文

posted @ 2016-11-30 01:29 宏斌PKUCIS 阅读(90) 评论(0) 推荐(0) 编辑

机器学习EPD:概率密度估计

摘要: 待增加 阅读全文

posted @ 2016-11-30 01:24 宏斌PKUCIS 阅读(173) 评论(0) 推荐(0) 编辑

机器学习RA:回归分析

摘要: 待增加 阅读全文

posted @ 2016-11-30 01:22 宏斌PKUCIS 阅读(173) 评论(0) 推荐(0) 编辑

机器学习总论:无监督、半监督、有监督方法

摘要: 待增加 阅读全文

posted @ 2016-11-30 01:14 宏斌PKUCIS 阅读(143) 评论(0) 推荐(0) 编辑

机器学习总论:判别式模型和生成式模型

摘要: 待增加 阅读全文

posted @ 2016-11-30 01:11 宏斌PKUCIS 阅读(82) 评论(0) 推荐(0) 编辑

机器学习PR:概率图模型系列之马尔科夫随机场

摘要: 待增加 阅读全文

posted @ 2016-11-30 01:04 宏斌PKUCIS 阅读(114) 评论(0) 推荐(0) 编辑

机器学习PR:概率图模型系列之贝叶斯网络

摘要: 待增加 阅读全文

posted @ 2016-11-30 01:02 宏斌PKUCIS 阅读(140) 评论(0) 推荐(0) 编辑

机器学习总论:从频率统计到贝叶斯统计

摘要: 待增加 阅读全文

posted @ 2016-11-30 00:57 宏斌PKUCIS 阅读(121) 评论(0) 推荐(0) 编辑

机器学习PR:聚类系列

摘要: 待增加 阅读全文

posted @ 2016-11-30 00:34 宏斌PKUCIS 阅读(78) 评论(0) 推荐(0) 编辑

机器学习PR:决策树系列

摘要: 待增加 阅读全文

posted @ 2016-11-30 00:26 宏斌PKUCIS 阅读(113) 评论(0) 推荐(0) 编辑