![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 82
机器学习相关
LimitOut
这个作者很懒,什么都没留下…
展开
-
DBSCAN 简记
DBSCAN 简记先上图上图些了DBSCN算法的具体步骤:原创 2020-07-14 00:35:53 · 549 阅读 · 0 评论 -
K-Means 简记
K-Means现上一张图:先说一下K-means的流程1. 随机选择K个点作为聚类中心。2. 对数据集中每一个点,计算其与每一个质心的距离(如欧式距离),离哪个质心近,就划分到那个质心所属的集合。3. 重新计算K个聚类簇的每个聚类中心4. 重复2-3步骤5. 截至条件为:当K个聚类中心不再变化,或者达到一定的迭代次数。优化部分1.我们在选择中心点的时候,尽量要选择数据中的点,减少我们迭代的次数,比如像图12.我们可以多试验几次K-means,然后选择最低的J,损失函数K值的确定对于原创 2020-07-13 23:39:00 · 167 阅读 · 0 评论 -
RANSAC 简记
RANSAC 简记明天面试,准备一下基础知识。RANSAC全称随机采样一致性,我的研究方向是三维点云处理,之前在做地面滤波的时候会经常用到这个算法来模拟地面。首先,RANSAC算法里面由内点和外点组成,内点也就是我们所设置的theshold内的点。如上图,我们在拟合直线的时候,依次进行的步骤是:1.随机从所有点中选取一个子集,这个子集点的个数就是你所要你和模型的参数量的个数,比如直线,则需要两个点,平面,需要三个点。2.解出模型参数后,即 y = ax + b。3.计算模型后,就要计算其他原创 2020-07-13 19:05:17 · 405 阅读 · 0 评论