注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. k均值聚类法

  2. 对某个参考标签进行聚类，在线匹配时可以减少计算量

  3. 所属分类：数据库

    • 发布日期：2013-04-08
    • 文件大小：832
    • 提供者：junelu236

  1. 在线K均值聚类混合高斯背景建模

  2. 在线K均值聚类，混合高斯模型背景建模的改进算法，结果较好。

  3. 所属分类：其它

    • 发布日期：2013-09-05
    • 文件大小：15360
    • 提供者：luowanying

  1. 实例详解机器学习如何解决问题

  2. 随着大数据时代的到来，机器学习成为解决问题的一种重要且关键的工具。不管是工业界还 是学术界，机器学习都是一个炙手可热的方向，但是学术界和工业界对机器学习的研究各有 侧重，学术界侧重于对机器学习理论的研究，工业界侧重于如何用机器学习来解决实际问 题。我们结合美团在机器学习上的实践，进行一个实战（InAction）系列的介绍（带“机器 学习InAction系列”标签的文章），介绍机器学习在解决工业界问题的实战中所需的基本技 术、经验和技巧。本文主要结合实际问题，概要地介绍机器学习解决实际问题的整个流

  3. 所属分类：机器学习

    • 发布日期：2019-07-02
    • 文件大小：1048576
    • 提供者：abacaba

  1. 聚类稀疏表示和自适应补丁聚合的单图像超分辨率

  2. 提出了一种基于聚类的稀疏表示和自适应补丁集合的单图像超分辨率重建方法。 首先，我们从训练图像中随机提取图像补丁对，然后通过K均值聚类将这些补丁对划分为不同的组。 然后，我们从相应的组补丁对中离线学习一个过于完整的子词典对。 对于给定的低分辨率补丁，我们自适应地选择一个子词典来在线重建高分辨率补丁。 此外，将非局部自相似性和操纵核回归约束条件集成到补丁聚合中，以提高恢复图像的质量。 实验表明，该方法能够在客观评估和视觉感知方面实现最先进的性能。

  3. 所属分类：其它

    • 发布日期：2021-03-24
    • 文件大小：565248
    • 提供者：weixin_38658085

  1. 基于K均值聚类的智能建筑应用电气设备识别。

  2. 随着建筑物联网（BIoT）系统的发展和广泛应用，连接了多种类型的设备，并收集了大量的设备数据。 为方便设备管理，应标识设备并贴上标签。 传统上，此过程是手动执行的，这不仅费时，而且会导致不可避免的遗漏。 在本文中，我们针对智能建筑应用提出了一种基于k均值聚类的电气设备识别方法，可以自动识别连接到BIoT系统的未知设备。 首先，分析负载特性，并从收集的数据中提取用于设备识别的电气特性。 其次，两次使用k-means聚类来构建识别模型。 初步聚类采用传统的k均值算法对总谐波电流畸变数据进行分析，并根

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：1048576
    • 提供者：weixin_38678172

  1. Fourier_MLOOP:简化模块，用于运行M-LOOP，以优化Fourier系列并保存结果-源码

  2. 跳楼 使用M-LOOP高斯过程的精简模块可优化任意目标函数并保存结果。 Floop将在线优化与M-LOOP结合使用，使用定义为成本函数的任意目标函数和高斯噪声，对系数为$ 2n_ {ab} $的部分傅立叶级数的参数进行优化： $ C（\ vec {f}，\ vec {y}）= \ frac {\ sum_ {i = 1} ^ k（f_i-y_i）^ 2} {kn_ {ab}} + \ epsilon（0，\ sigma ）。$ 这里$ \ vec {f}，\ vec {y} $是傅立叶级数

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：11264
    • 提供者：weixin_42102220

  1. 4.-Customer-Segmentation-of-Online-Retail-Store--源码

  2. 4.在线零售商店的客户细分 在线零售是一个跨国数据集，其中包含2010年12月12日至2011年12月9日之间在英国注册的非商店在线零售发生的所有交易。 该公司主要销售各种场合的独特礼品。 公司的许多客户都是批发商。 我们的主要目标是根据RFM（汇率，频率和货币）细分客户。 使用的技术：MinMaxScaler K均值肘法轮廓分数分层聚类DBSCAN MeanShift

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：5242880
    • 提供者：weixin_42133753

  1. 机器学习课程-AndrewNg：我的第一门机器学习课-源码

  2. 机器学习课程AndrewNg 我的第一门机器学习课 week1：具有一个变量的线性回归； 线性代数复习; week2：具有多个变量的线性回归； Matlab教程； 第3周：逻辑回归； 正规化； 第4周：神经网络及其应用； 第5周：神经网络中的成本函数； 前馈反向传播第6周：评估学习算法； 偏差与方差; 第7周：支持向量机（SVM）； 谷粒; 第八周：无监督学习； 聚类k均值PCA； 第9周：异常检测； （多元）高斯分布； 推荐系统； 协同过滤； 平均归一化第10周：随机； 小批量在线学习; 地

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：122683392
    • 提供者：weixin_42109178

  1. 808_用于业务分析的机器学习-源码

  2. 808_用于业务分析的机器学习注意 lec1：线性回归 lec2：Logistic回归 讲义3：逻辑回归2 第四讲：模型评估（精确度和召回率） 第五讲：Keras学习 讲座6：Tensorflow学习 讲座7：无监督学习（K均值和DBSCAN） Lec8_2：无监督学习（PCA） 讲座9：随机森林 Lec9_2：系统建议 Lec10：卷积神经网络 项目：猫猫图像识别 其他资源 我发现了150多种最佳的机器学习，NLP和Python教程 正则化 L1和L2有什么区别？ 在线资源学

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：3145728
    • 提供者：weixin_42117485

  1. 复杂环境下异形多目标识别与点云获取算法

  2. 研究了复杂环境下不同形状物体的快速识别、定位以及表面检测，旨在满足智能机器在线作业时对复杂环境中的目标进行同步性抓取以及表面检测等需求，讨论了异形物体的多目标快速识别、定位、立体匹配及点云后处理算法。首先，基于稳健主成分分析识别出场景中的新增目标，再运用改进k均值聚类对各目标进行图像定位。然后，通过支持向量机筛选出感兴趣区域，并借助外极线约束进行一维搜索获取双目图像中的待匹配区域，快速获得局部三维点云。最后，进行特定的点云去噪处理以减小误差。实验结果表明，相比于传统方法，本文算法有效缩短了程序运

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：14680064
    • 提供者：weixin_38553681

  1. 朱皮特-源码

  2. 朱皮特 克隆git存储库 $ git clone " https://github.com/TheAlgorithms/Jupyter.git " 您可以单击免费的在线开发环境来运行和编辑算法或为算法做贡献。 贡献新算法 让你拉的请求要具体，重点突出。 而不是一次全部贡献“几种算法”，一次又一次地全部贡献它们（即，一个请求“逻辑回归”，另一个请求“ K均值”，依此类推）。 每个新算法都必须具有： 带有注释和可读名称的源代码 README.md和代码一起解释了数学 Jupyter

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：10485760
    • 提供者：weixin_42169674

  1. SPTAG:分布式近似最近邻搜索（ANN）库，可为大规模矢量搜索场景提供高质量的矢量索引构建，搜索和分布式在线服务工具包-源码

  2. SPTAG：一个用于快速近似最近邻居搜索的库 标记 SPTAG（空间分区树和图形）是由和发布的用于大规模向量近似最近邻居搜索方案的库。 介绍 该库假定样本表示为向量，并且可以通过L2距离或余弦距离来比较向量。 为查询向量返回的向量是与查询向量具有最小L2距离或余弦距离的向量。 SPTAG提供两种方法：kd树和相对邻域图（SPTAG-KDT）和平衡k均值树和相对邻域图（SPTAG-BKT）。 SPTAG-KDT在索引建立成本方面是有利的，而SPTAG-BKT在非常高维数据中的搜索准确性方面是有利

  3. 所属分类：其它

    • 发布日期：2021-04-01
    • 文件大小：1048576
    • 提供者：weixin_42160425

  1. 基于矩阵素描和k-均值聚类的增量非负矩阵分解

  2. 随着因特网上信息的增加，在商业应用中迫切需要在线和实时推荐。 这种推荐通过结合用户的历史数据和他们的当前行为来获得结果。 传统的推荐算法具有很高的计算复杂度，因此在处理大量历史数据时通常会延迟其React。 在本文中，我们研究了现代应用程序中在线和实时处理的基本需求。 特别是为了给用户提供更好的在线体验，本文提出了一种增量推荐算法，以减少计算复杂度和React时间。 可以将所提出的算法视为非负矩阵分解的在线版本。 本文采用矩阵草图法和k-means聚类分别处理冷启动用户和现有用户，实验表明该算法

  3. 所属分类：其它

    • 发布日期：2021-03-27
    • 文件大小：782336
    • 提供者：weixin_38644097

  1. 基于多任务字典学习和稀疏表示的单图像超分辨率重建

  2. 最近的研究表明，基于稀疏表示的技术可以导致最新的超分辨率图像重建（SRIR）结果。 它依赖于这样的想法，即低分辨率（LR）图像补丁可被视为高分辨率（HR）图像的向下采样版本，假定其补丁相对于原型补丁字典具有较稀疏的表示形式。 为了避免庞大的训练补丁数据库并获得更准确的HR图像恢复，本文将实例辅助冗余字典学习的概念引入单图像超分辨率重建中，并提出了启发性的多字典学习方案。通过多任务学习。 从通过K均值聚类分类的样本中学习紧凑型冗余字典，以便为每个样本提供更合适的字典以进行图像重建。 与可用的SRI

  3. 所属分类：其它

    • 发布日期：2021-03-23
    • 文件大小：1048576
    • 提供者：weixin_38744375

  1. HackNITR-2.0-Data_Decoders:此Web应用程序为在线COVID-19测试提供了一个平台。它基于人工神经网络和探索性数据分析-源码

  2. HackNITR-2.0-Covikit 此Web应用程序为在线COVID-19测试提供了一个平台。它基于人工神经网络（ANN）和探索性数据分析。 八种机器学习算法（决策树分类器，随机森林分类器，K最近邻，K均值算法，支持向量机，梯度提升，朴素贝叶斯和逻辑回归）和两个深度学习神经网络模型（单层感知器和多层）在联合国Covid数据集（kaggle）上对Perceptron进行了培训和测试，并采用了具有最高准确度百分位数的模型来构建网络预测器。多层感知器可提供97.7％的精度，因此被用于模型构建。

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：448512
    • 提供者：weixin_42119358