![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
聚类
Sophia_Dz
互联网算法工程师,练习时长2年,涉及内容包括:图像语义分割、老照片修复、老照片上色、人像清晰、AIGC文本生成图像、AIGC图像生成图像、AIGC Lora小模型训练等
展开
-
Kmeans聚类-matlab实现
数据集来自周志华《机器学习》202页西瓜数据集。算法初始随机选取的三个样本,按照书上选的运行测试代码,可根据需求对代码进行改写,详细过程如下:1、data.txt 数据集0.697 0.4600.774,0.3760.634,0.2640.608,0.3180.556,0.2150.403,0.2370.481,0.1490.437,0.2110.666,0.0910.24...原创 2019-04-26 20:16:39 · 3858 阅读 · 0 评论 -
聚类简述
1、 聚类聚类的目的就是把不同的数据点按照它们的相似与相异度(?怎么衡量相似与相异)分割成不同的簇,确保每个簇中的数据都是尽可能相似,而不同簇的数据尽可能相异。从模式识别的角度来讲,聚类就是在发现数据中潜在的模式,帮助人们 进行分组归类已达到更好理解数据的分布规律。聚类是无监督学习方法,不同的聚类方法基于不同的假设和数据类型。聚类的算法很多,包括基于划分的聚类算法:k-means、,...原创 2019-03-29 17:47:41 · 6673 阅读 · 1 评论 -
DBSCAN-基于密度的聚类算法
1、 密度聚类基本概念**核心对象(core object):**若x的e领域至少包含k(自定义)样本,则x是一个核心对象。密度直达:描述的是核心样本点与其e领域内的样本点的关系,是密度直达的。**密度可达:**描述的是核心对象与不在其e领域内的非核心点的关系,如果其可通过核心点间的传递密度直达,则密度可达。**密度相连:**描述的是不在同一e领域内的非核心对象之间的关系。疑问?同簇的...原创 2019-06-16 21:54:35 · 1815 阅读 · 0 评论 -
多视图聚类与子空间聚类
1、多视图聚类从对事物的不同角度的理解生成多个特征描述视图,而非单个视图,就是多视图。若对事物作单视图特征表示,则意味着,增加了特征空间的维度,且不同角度的特征合成同一视图,其特征可能失去原有的意义。而多视图,则能够发挥各个视图的优势,把同一数据表示成多个特征集,然后在每个特征集上可以用不同的方法进行学习,达到协同学习的目的,改善学习性能。半监督多视图学习:找到将将标记数据较好分类的视图...原创 2019-06-16 21:57:45 · 11520 阅读 · 0 评论 -
OPTICS 聚类
1 定义(核心点,核心距离,可达距离)核心点(核心对象):ε邻域内,数据个数大于等于阈值的点。核心距离:使每个点成为核心对象的最小距离。可达距离:若x为核心点,则y关于x的可达距离为,y与x的欧氏距离和x的核心距离,中的最大值。2 算法流程输入:数据样本 D,初始化所有点的可达距离和核心距离为MAX,半径ε,阈值 MinPts。1、建立两个队列,有序队列和结果队列。2、如果D中非空,...原创 2019-06-16 22:00:29 · 829 阅读 · 0 评论 -
2018CVPR-clstering
深度对抗子空间聚类-Deep Adversarial Subspace Clustering大多数现有的子空间聚类方法都依赖于手工表达的自我表达,并且不知道潜在的聚类错误。为了解决这一问题,我们提出了一种新的深度对抗方法。子空间聚类(DASC)模型通过深入学习学习学习子空间聚类中更有利的样本表示,更重要的是引入对抗学习来监督样本表示学习和子空间聚类。具体地说,DASC由一个子空间聚类生成器...原创 2019-06-25 14:48:58 · 360 阅读 · 0 评论