台部落laboirousbee

Halcon算子實現——Texture_Laws什麼是texture_laws()實現步驟第一步，認識Laws基礎向量第二步，Laws核第三步，Laws核與圖像做卷積運行結果與時間參考資料什麼是texture_laws()

2020-07-04 07:17:06

目錄高斯混合模型： sklearn高斯混合模型：高斯混合模型總結：高斯混合模型附錄：聚類分析過程：聚類驗證：外部評價指標：內部評價指標：高斯混合模型： 1、溫和的聚類算法，這種聚類算法假定每個類都遵循特定的統計分佈。 2、

2020-06-01 23:07:21

PCL（Point Cloud Library）有很多版本，很多博主只是簡單給一個連接，但是軟件會有更新的版本推出，所以教給大家怎樣能夠找到自己想要的版本。對於剛剛接觸PCL的人來說，在Windows下配置PCL並不是一件輕鬆的事情

2020-06-01 23:07:21

經過很久才配置好的，經過很多坑，記錄下來，供大家參考一下。我的電腦安裝的版本：Windows：10，Tensorflow：1.14，CUDA：10.0，cuDNN：7.6.3，Anaconda：anaconda3-5.3.1，Micros

2019-10-25 22:03:47

目錄線性界線： N維界線：感知器：感知器算法實現：線性界線： ———— （），W：權重，b：偏差 y = label: 0 or 1 predection: N維界線： n維： n - 1維超平面的方程： predecti

2019-05-08 15:43:43

目錄隨機投影： sklearn 隨機投影：獨立成分分析（Independent Component Analysis）： sklearn 獨立成分分析：應用：隨機投影： 1、系統計算資源有限或主成分分析太繁重，使用隨機投影。 2、

2019-05-07 13:49:41

1、Principal Component Analysis——PCA，擅長處理座標系的移動和旋轉問題。 2、它是一套全面應用於各類數據分析的分析方法。 3、概述原理：無論收到任何形狀的數據，PCA從舊座標系統僅通過轉化和輪換獲得新座標系

2019-05-06 12:19:01

特徵縮放： 1、一種重縮放此類特徵的方法。 2、公式： 3、要思考的問題：如果 x_max 和 x_min 相同怎麼辦？例如，假設輸入特徵的列表是 [10, 10, 10]——分母將爲零。我們的建議是通常爲每個新特徵指定 0.5（0.0

2019-05-03 09:23:41

K—均值（K-Means）：尋找每個類的中心，中心就是表徵數據的區域。分兩步：分配，優化。不停的迭代這兩步，直到不再變化。侷限性：局部最小值的問題，K-Means非常依賴於初始聚類中心所處的位置。 >>> from sklearn

2019-05-01 07:37:46

#include <time.h> void systemTime() { time_t timep; struct tm *p; time(&timep); p = gmtime(&timep); printf("%d\n

2019-05-01 07:37:46

目錄層次聚類：單鏈接聚類：全連接聚類法：組平均聚類法：離差平方和法：層次聚類sklearn：層次聚類總結：層次聚類附錄：密度聚類： DBSCAN：密度聚類sklearn：密度聚類總結：密度聚類附錄：層次聚類：層

2019-05-01 07:37:46

目錄距離最小化誤差最小化感知器算法分類誤差邊際誤差誤差函數邊際誤差計算誤差函數 C參數多項式內核 RBF核函數 slearn中的支持向量機超參數距離最小化離線最近的點到線的距離，然後這些最近的點中哪個離線距離更

2019-04-04 21:19:24

目錄 Bagging AdaBoost 數據權重集合模型 slearn中的Adaboost 超參數相關學習資源 Bagging 自助聚集（bootstrap aggregation ）。將數據分成很多的子集，然後隨機選取一些，用簡單的

2019-04-04 21:19:24

目錄猜測人已知與推斷貝葉斯定理貝葉斯學習樸素貝葉斯算法構建垃圾郵件分類樸素貝葉斯是一種概率算法，它基於條件概率這一概念，該算法有很多優勢：易於實現，訓練速度快。猜測人已知與推斷貝葉斯定理敏感性：在金標準判斷有

2019-04-03 21:10:16

目錄分類問題線性界線更高維度的界線感知器用感知器實現簡單邏輯運算感知器技巧——計算機如何“學習”分類感知器算法分類問題神經網絡是機器學習中的一個模型，可以用於兩類問題的解答：分類：把數據劃分成不同的類別迴歸

2019-04-02 21:06:52