上一页 1 ··· 16 17 18 19 20 21 22 23 24 ··· 62 下一页
该文被密码保护。 阅读全文
posted @ 2021-05-18 18:57 北极星! 阅读(0) 评论(0) 推荐(0) 编辑
摘要: KNN:K-NearestNeighbor–K最近邻(原理) K最近邻,就是k个最近的邻居的意思,即:每个样本都可以用他最近的k个邻居来代表。核心思想:如果一个样本在特征空间中的K个最相邻的样本,并且最相邻样本中的大多数属于某一个类别(该样本也属于这个类别,并具有该类别上样本的特性)KNN很大程度上 阅读全文
posted @ 2021-05-18 16:31 北极星! 阅读(143) 评论(0) 推荐(0) 编辑
摘要: 3.2 层次方法 下图,上面是从左到右由5个簇逐渐合并成1个簇的过程,下面是从右到左由一个簇逐渐分裂成5个簇的过程 AGENS算法 最后面一句话是重点,假设有<A,B>,<C,D>两个簇,这两个簇的距离是由A-C,A-D,B-C,B-D最短的距离来表示的 练习 阅读全文
posted @ 2021-05-18 10:48 北极星! 阅读(341) 评论(0) 推荐(0) 编辑
摘要: DIANA算法 DIANA算法示例 DIANA算法练习 阅读全文
posted @ 2021-05-18 10:46 北极星! 阅读(1483) 评论(0) 推荐(0) 编辑
摘要: k-medoids算法 对上面图形的解释 第一幅图:原来p属于Oj的(实线),当Orandom代替了Oj,p属于Oi了(虚线);第二幅图:原来p属于Oj的(实线),当Orandom代替了Oj,p属于Oj了(虚线); 如果P的中心点发生了变化,则代价Cpjh为P到现在中心点的距离与P到之前中心点距离的 阅读全文
posted @ 2021-05-18 10:20 北极星! 阅读(484) 评论(0) 推荐(0) 编辑
摘要: 3.1划分方法 聚类算法距离——k-means算法 k-means算法 输入:簇的数;数据集;输出:k个簇方法:从数据集中找出k个对象当作原始的簇心; k-means算法的再次解读 k-means聚类算法练习-1 下面10个样本进行簇划分 使用代码计算连续值属性距离 import numpy as 阅读全文
posted @ 2021-05-17 15:45 北极星! 阅读(216) 评论(0) 推荐(1) 编辑
摘要: 1、聚类分析概述 聚类目前常用来做粗分类,粗分类完再细分类一般用其他算法实现 自顶向下法:分裂;自低向上法:聚合 2、相似性计算方法 2.1连续型属性的相似性计算方法 2.2二值离散型属性的相似性计算方法 2.3多值离散型属性的相似性计算方法 2.4混合类型属性的相似性计算方法 则d(1,2) = 阅读全文
posted @ 2021-05-17 11:29 北极星! 阅读(265) 评论(0) 推荐(0) 编辑
该文被密码保护。 阅读全文
posted @ 2021-05-16 13:02 北极星! 阅读(41) 评论(0) 推荐(0) 编辑
摘要: 阅读全文
posted @ 2021-05-15 22:05 北极星! 阅读(96) 评论(0) 推荐(0) 编辑
摘要: 无人驾驶—自动驾驶概述 无人驾驶—感知基础 目标检测 无人驾驶—感知实战-动态环境感知与2D检测 无人驾驶—感知实战-动态环境感知与3D检测 无人驾驶—动态环境感知与追踪 无人驾驶—高精地图和V2X 无人驾驶—定位系统 无人驾驶—预测系统 无人驾驶—路径规划 从LQR到MPC的发展过程 阅读全文
posted @ 2021-05-15 20:49 北极星! 阅读(249) 评论(0) 推荐(0) 编辑
上一页 1 ··· 16 17 18 19 20 21 22 23 24 ··· 62 下一页