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. Python-通过非参数实例Discrimination的无监督特征学习

  2. 通过非参数实例Discrimination的无监督特征学习

  3. 所属分类：其它

    • 发布日期：2019-08-11
    • 文件大小：22528
    • 提供者：weixin_39840387

  1. 经典无监督特征选择算法LaplacianScore算法matlab代码

  2. 特征选择是机器学习的一个重要领域，改代码是经典无监督特征选择算法LaplacianScore算法matlab代码，这里上传给大家下载，希望能对大家有所帮助

  3. 所属分类：机器学习

    • 发布日期：2019-03-17
    • 文件大小：3072
    • 提供者：bjt2091655702

  1. 自适应图学习的无监督特征选择

  2. 大多数现有的特征选择方法都是通过评估衡量其保留数据图相似结构能力的标准来选择特征的。 然而，这些方法构建二分或学习的基础数据图表和随后的特征排名的过程。 一旦确定了图表以表征相似性数据的结构，就可以在随后的排名或回归步骤中将其固定。 结果，特征选择的性能在很大程度上取决于图构建步骤的有效性。 构造有效相似度图的关键是确定数据相似度矩阵。 在本文中，我们执行估计或学习数据相似性矩阵和数据回归作为同时任务的问题，以执行无监督的光谱特征选择。 我们的新方法通过根据局部距离或不相似度为每个数据点最佳地重

  3. 所属分类：其它

    • 发布日期：2021-03-24
    • 文件大小：228352
    • 提供者：weixin_38512781

  1. 在线无监督特征提取的增量式深度学习网络

  2. 在线无监督特征提取的增量式深度学习网络

  3. 所属分类：其它

    • 发布日期：2021-03-23
    • 文件大小：1004544
    • 提供者：weixin_38630697

  1. 无监督特征学习中自动编码器不同稀疏惩罚的实证分析

  2. 无监督特征学习中自动编码器不同稀疏惩罚的实证分析

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：452608
    • 提供者：weixin_38536716

  1. 一种使用无监督特征学习的道路视觉理解的新型视觉注意框架

  2. 一种使用无监督特征学习的道路视觉理解的新型视觉注意框架

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：90112
    • 提供者：weixin_38693084

  1. 基于扩展熵的新型非监督特征选择方法

  2. 特征选择技术旨在发现原始特征的相关特征子集，从而可以促进聚类，分类和检索。 它是模式识别和机器学习中的重要研究课题。 Feature.selection主要分为两类，即监督方法和非监督方法。 目前的研究主要集中在有监督的研究上。 由于没有可用的标签信息，因此很少有人开发过无监督的功能选择方法。 另一方面，很难评估所选功能。 提出了一种基于扩展熵的无监督特征选择方法。 基于扩展熵的信息损失用于度量特征之间的相关性。 该方法确保了所选特征既具有大的个体信息又具有很少的具有所选特征的冗余信息。 最后，

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：314368
    • 提供者：weixin_38500944

  1. 维吾尔文无监督自动切分及无监督特征选择

  2. 维吾尔文常用切分方法会产生大量的语义抽象甚至多义的词特征,因此学习算法难以发现高维数据中隐藏的结构.提出一种无监督切分方法 dme-TS和一种无监督特征选择方法 UMRMR-UFS.dme-TS从大规模生语料中自动获取单词Bi-gram及上下文语境信息,并将相邻单词间的t-测试差、互信息及双词上下文邻接对熵的线性融合作为一个组合统计量(dme)来评价单词间的结合能力,从而将文本切分成语义具体的独立语言单位的特征集合.UMRMR-UFS用一种综合考虑最大相关度和最小冗余的无监督特征选择标准(UMR

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：1048576
    • 提供者：weixin_38624519

  1. 通过基于先验信息的相似性度量学习进行人脸验证的无监督特征学习

  2. 通过基于先验信息的相似性度量学习进行人脸验证的无监督特征学习

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：3145728
    • 提供者：weixin_38569219

  1. 低秩表示与局部线性嵌入相结合的高光谱图像无监督特征提取

  2. 高光谱图像（HSI）为土地覆盖物提供了数百个狭窄的光谱带，因此可以为土地覆盖物分类提供更强大的判别信息。 但是，HSI受高维诅咒的困扰，因此尺寸减小和特征提取对于HSI的应用至关重要。 在本文中，我们提出了一种结合低秩表示和局部线性嵌入（LRR LLE）的HSI的无监督特征提取方法。 所提出的方法可以同时使用HSI内的频谱和空间相关性，其中LRR考虑了空间邻居之间的相关性，对低秩子空间和LLE的并集内在属性进行建模。 在真实的HSI数据集上进行了实验，分类结果表明LRR LLE提取的特征比现有方

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：265216
    • 提供者：weixin_38637144

  1. 时间序列的无监督特征学习

  2. 时间序列的无监督特征学习

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：691200
    • 提供者：weixin_38631329

  1. msda:多维时间序列数据分析，无监督特征选择，无监督异常检测和可解释的AI-源码

  2. 概述 基于高异质/均匀时间序列多传感器数据的实时异常检测的无监督特征选择和/或无监督深度卷积神经网络和lstm自动编码器的原型。 内置时间序列预测器的可解释AI原型。 无监督特征选择的直观表示如下所示。 无监督实时点异常检测的直观表示如下所示。 从当地的解释，全球理解与解释的AI树木-从这里动机- ，图片来源-https: MSDA 1.0.8 什么是MDSA？ MSDA是Python中的开源low-code多传感器数据分析库，旨在在时序多传感器数据分析和实验中将假设减少到洞察周期

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：6291456
    • 提供者：weixin_42143806

  1. 基于无监督特征学习和判别能力的3D模型的最佳视图选择

  2. 摘要在此海报中，提出了一种基于3D模型最佳视图选择的方法，该方法基于将选择作为表达视图评估能力的问题的框架。 首先，在无人监督的情况下提取不同视图的特征。

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：697344
    • 提供者：weixin_38691641

  1. 通过正则化自我表示进行无监督特征选择

  2. 通过去除不相关和多余的特征，特征选择旨在找到具有良好泛化能力的原始特征的紧凑表示。 随着无标签数据的普及，无监督特征选择已显示出可有效减轻维数的诅咒，对于全面分析和理解无标签高维数据的无数至关重要，这是由于子空间聚类中低秩表示法的成功所致，我们提出了一种用于无监督特征选择的正则化自我表示（RSR）模型，其中每个特征都可以表示为其相关特征的线性组合。 通过使用L-2，L-1-范数来表征表示系数矩阵和表示残差矩阵，RSR有效地选择了代表性特征并确保了对异常值的鲁棒性。 如果某个特征很重要，则它将参与

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：824320
    • 提供者：weixin_38691703

  1. 语音情感识别与无监督特征学习

  2. 语音情感识别与无监督特征学习

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：815104
    • 提供者：weixin_38558870

  1. 自适应结构学习的无监督特征选择

  2. 自适应结构学习的无监督特征选择

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：819200
    • 提供者：weixin_38725260

  1. lemniscate.pytorch：通过非参数实例区分进行无监督特征学习-源码

  2. 通过非参数实例区分进行无监督特征学习 此回购包含CVPR2018无监督学习论文的pytorch实施。 更新了预训练模型 提供了具有存储体实现且nce-k = 65536否定值的更新的实例判别模型。 如在CPC / MoCo中一样，使用Softmax-CE损失而不是原始NCE损失来训练更新的模型。 （线性ImageNet Acc 58.5％） 老歌：ResNet18和ResNet50的原始版本经过训练，带有4096个底片和NCE损失。 每个tar球都包含所有ImageNet训练图像（600

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：22528
    • 提供者：weixin_42166105

  1. ufldl_tutorial：斯坦福无监督特征学习和深度学习教程-源码

  2. 斯坦福大学无监督特征学习和深度学习教程 教程网站： : 稀疏自动编码器 稀疏的自动编码器矢量化实现，对MNIST数据的学习/可视化功能 ：加载MNIST图像 ：加载样本图像以测试稀疏自动编码器 ：用于计算和检查成本和梯度的函数 ：显示可视化功能 ：稀疏的自动编码器成本和梯度函数 ：使用MNIST数据训练稀疏自动编码器并可视化学习的特征 预处理：PCA和美白 实施PCA，PCA增白和ZCA增白 Softmax回归 通过softmax回归（多元逻辑回归）对MNIST数字进行分类 回归

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：861184
    • 提供者：weixin_42162978

  1. AEFS：论文代码“自动编码器启发的无监督特征选择”-源码

  2. AEFS：论文代码“自动编码器启发的无监督特征选择”

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：567296
    • 提供者：weixin_42109639

  1. 上下文编码器：[CVPR 2016]使用GAN通过图像修复进行无监督特征学习-源码

  2. 上下文编码器：[CVPR 2016]使用GAN通过图像修复进行无监督特征学习

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：5242880
    • 提供者：weixin_42133969
« 12 3 4 5 6 7 8 9 10 ... 13 »