学习
文章平均质量分 91
沐白若兮
这个作者很懒,什么都没留下…
展开
-
chapter03 线性模型
chapter03 线性模型线性回归主成分分析法1.概述真实数据中不同维度通常具有高度相关性。两类工作较为常见:(1)线性回归: 使用其他维度的属性去预测另一属性的值(2)PCA: 使用低维latent变量代表高维数据使用此两类方法完成异常检测任务两类方法的假设条件:(1)近似线性相关假设。(2)子空间假设。假设数据镶嵌在低维子空间,目的是低维子空间中异常点能够区别于正常点。2.线性回归在线性回归中,假设不同维度的变量具有一定相关...原创 2021-05-17 21:06:48 · 219 阅读 · 0 评论 -
chapter02 基于统计的方法
chapter02 基于统计的方法1.概述统计方法对数据正常性数据作出假设。假设正常数据由统计模型产生,不遵守该模型的是异常数据。统计方法的有效性高度依赖于 给定的数据所做的统计模型假设是否成立。思想:学习一个拟合给定数据的 生成模型 ,识别该模型低概率区间的对象,将他们作为异常点。根据如何指定和学习模型,基于统计的异常检测方法可以划分为 参数方法 和非参数方法。参数方法:假定正常数据由符合参数的分布产生,该参数分布的概率密度函数f(x,θ)给出对象x被该分布产生的概率。值越小,越.原创 2021-05-15 07:55:05 · 519 阅读 · 0 评论 -
异常检测概念及方法简介
chapter01 异常检测概述一、异常检测的概念异常检测(Outlier Detection):识别与正常数据不同的数据,与预期行为差异大的数据。应用场景如:信用卡欺诈、工业生产异常、网络流量异常等,针对的是少数的事件。1.1 异常的类别:点异常(point anomaly):少数的个体实例是异常的,大多数个体实例是正常的,例如健康的人与病人的健康指标。条件异常(conditional anomaly):又称上下文异常,指在特定情境下个体实例是异常的,在其他情境下个体实..原创 2021-05-10 15:23:18 · 3762 阅读 · 0 评论 -
Task02 几何变换
Task02 几何变换2.1 简介该部分将对基本的几何变换进行学习,几何变换的原理大多都是相似,只是变换矩阵不同,因此,我们以最常用的平移和旋转为例进行学习。在深度学习领域,我们常用平移、旋转、镜像等操作进行数据增广;在传统CV领域,由于某些拍摄角度的问题,我们需要对图像进行矫正处理,而几何变换正是这个处理过程的基础,因此了解和学习几何变换也是有必要的。这次我们带着几个问题进行,以旋转为例:...原创 2020-04-22 23:26:02 · 171 阅读 · 0 评论 -
task01 Opencv框架与图像插值算法
1.1简介 在图像处理中,平移变换、旋转变换、缩放变换是一些常用操作。这些几何变换几乎不改变图像的像素值,只是在图像平面上进行像素的重新排列。在一副输入图像[u,v]中,灰度值仅在整数位置上有定义。然而,在输出图像[x,y]的灰度值一般由处在非整数坐标上的(u,v)值来决定这就需要插值算法进行处理,常见的插值算法有近邻插值、双线性插值和三次样条插值1.2学习目标了解插值算法与常见几...原创 2020-04-22 22:59:32 · 195 阅读 · 0 评论