机器学习/目标识别：资料汇总（持续更新中）

已于 2022-04-29 15:45:04 修改
阅读量903 收藏
点赞数
分类专栏： 目标识别 文章标签： matlab 雷达 目标跟踪
于 2022-03-30 22:48:44 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sangba2019/article/details/123859150
版权

文章目录

一、SVM支持向量机

1、SVM支持向量机详解
https://blog.csdn.net/m2xgo/article/details/111468149

2、简单粗暴理解支持向量机（SVM）及其MATLAB实例
https://blog.csdn.net/lyxleft/article/details/82880860

3、支持向量机（SVM）算法的matlab的实现
https://blog.csdn.net/u010412719/article/details/46794051

4、SVM简单代码实现MATLAB
https://blog.csdn.net/Coco_liukeke/article/details/72847264

5、SVM支持向量机+实例展示
https://blog.csdn.net/Snippers/article/details/97788694

6、matlab实现SVM算法进行分类
https://blog.csdn.net/u014675888/article/details/82790464

7、One-Class SVM介绍
https://zhuanlan.zhihu.com/p/32784067

8、什么是一类支持向量机（one class SVM），是指分两类的支持向量机吗？
https://www.zhihu.com/question/22365729

9、Python机器学习笔记：异常点检测算法——One Class SVM
https://www.cnblogs.com/wj-1314/p/10701708.html

10、离群点(outlier detection)和新颖点(novelty detection)检测与OneClassSVM应用实例(基于python)
https://blog.csdn.net/lyxleft/article/details/89344219

二、决策树

1、决策树与随机森林(从入门到精通)
https://blog.csdn.net/Cyril_KI/article/details/107162316

2、决策树（decision tree）(一)——构造决策树方法
https://blog.csdn.net/u012328159/article/details/70184415

3、决策树（decision tree）(二)——剪枝
https://blog.csdn.net/u012328159/article/details/79285214

4、决策树（decision tree）(三)——连续值处理
https://blog.csdn.net/u012328159/article/details/79396893

5、决策树（decision tree）（四）——缺失值处理
https://blog.csdn.net/u012328159/article/details/79413610

6、数据挖掘–决策树ID3算法（例题）
https://blog.csdn.net/qq_28697571/article/details/84678889

7、决策树系列3：信息增益、增益率、基尼系数 (史上最详尽)
https://blog.csdn.net/haoyutiangang/article/details/104755877

三、随机森林

1、random forest 随机森林（高亮！用于分类） matlab实现
https://blog.csdn.net/sgfmby1994/article/details/77863297

四、集成学习（Ensemble Learning）

1、集成学习（Ensemble Learning)
https://zhuanlan.zhihu.com/p/27689464

2、Ensemble learning 概述
http://www.datakit.cn/blog/2014/11/02/Ensemble_learning.html

3、集成学习(Ensemble Learning)综述
https://blog.csdn.net/John_xyz/article/details/79602365

4、机器学习-组合算法总结
http://www.csuldw.com/2015/07/22/2015-07-22%20%20ensemble/

5、欠拟合、过拟合及如何防止过拟合
https://zhuanlan.zhihu.com/p/72038532

6、CNN(卷积神经网络)详解
https://blog.csdn.net/m0_37490039/article/details/79378143/

7、机器学习中常常提到的正则化到底是什么意思？
https://www.zhihu.com/question/20924039

8、机器学习之正则化（Regularization）
https://www.cnblogs.com/jianxinzhou/p/4083921.html

9、为什么说bagging是减少variance，而boosting是减少bias?
https://www.zhihu.com/question/26760839/answer/40337791

10、集成学习之Adaboost算法原理小结
https://www.cnblogs.com/pinard/p/6133937.html

五、GBDT

1、Gradient Boosting
基本原理+GBDT训练经验方法
https://zhuanlan.zhihu.com/p/26327929

2、为什么xgboost/gbdt在调参时为什么树的深度很少就能达到很高的精度？
https://www.zhihu.com/question/45487317

3、随机森林，还是GBDT?
股票上的用法
https://xueqiu.com/1685554336/110218676

4、机器学习百问百答（4）：GBDT
一些总结
https://zhuanlan.zhihu.com/p/404086794

5、GBDT算法原理深入解析
有一些参考资料
https://blog.csdn.net/yangxudong/article/details/53872141

6、GBDT算法原理以及实例理解
GBDT回归算法实例
https://blog.csdn.net/zpalyq110/article/details/79527653

7、【机器学习算法总结】GBDT
一些总结、GBDT主要调参的参数
https://blog.csdn.net/yyy430/article/details/85108797

8、GBDT浅谈以及代码实现
代码实现
https://blog.csdn.net/bound2020/article/details/53412139

9、XGboost核心源码阅读
http://mlnote.com/2016/10/29/xgboost-code-review-with-paper/

10、梯度提升树(GBDT)原理小结
https://www.cnblogs.com/pinard/p/6140514.html

11、XGBoost和GBDT的区别
https://blog.csdn.net/rover2002/article/details/105241926

六、一些知识汇总

1、个人总结：机器学习与算法工程师方向面试题及答案（持续更新）
https://blog.csdn.net/weixin_44903147/article/details/104466598

2、统计学习方法-李航-完整版
https://download.csdn.net/download/zywsysu/10306313

3、【十大经典数据挖掘算法】系列
https://www.cnblogs.com/en-heng/p/5974371.html

4、RF、GBDT、XGBOOST常见面试算法整理
https://zhuanlan.zhihu.com/p/85995153

5、回归树和分类树区别
https://www.csdn.net/tags/MtTaMgysMTYyNjYtYmxvZwO0O0OO0O0O.html

七、MATLAB

1、Machine Learning in MATLAB
https://ww2.mathworks.cn/help/stats/machine-learning-in-matlab.html

2、fitcensemble
https://ww2.mathworks.cn/help/stats/fitcensemble.html#bvds3tl

3、Ensemble Algorithms
https://ww2.mathworks.cn/help/stats/ensemble-algorithms.html?searchHighlight=gradient%20boosting&s_tid=srchtitle_gradient%20boosting_2

4、Functions to run xgboost in Matlab
https://ww2.mathworks.cn/matlabcentral/fileexchange/75898-functions-to-run-xgboost-in-matlab

5、Wind Turbine Fault Detection Using XGBoost & Random Forests
https://ww2.mathworks.cn/matlabcentral/fileexchange/71395-wind-turbine-fault-detection-using-xgboost-random-forests?s_tid=srchtitle_xgboost_2

6、fitcecoc
https://ww2.mathworks.cn/help/stats/fitcecoc.html

八、Python-sklearn库-GBDT

1、Python软件下载
https://www.python.org/downloads/windows/

2、Python sklearn库的安装
https://www.92python.com/view/249.html

3、详细说明如何在pycharm不联网的情况下，离线安装第三方库及依赖包（如sklearn）
添加链接描述

3、GBDT回归算法的sklearn实现
波士顿房价 GBDT回归算法的sklearn实现
https://zhuanlan.zhihu.com/p/428466235

4、sklearn0.20移除了grid_search模块
https://blog.csdn.net/llh_1178/article/details/78496609

5、Python机器学习包的sklearn中的Gridsearch简单使用
SVM、cross-validation的调参
https://blog.csdn.net/selous/article/details/70229180

6、sklearn Ensemble methods 集成学习模型
https://scikit-learn.org/stable/modules/ensemble.html

7、sklearn.ensemble.GradientBoostingClassifier
https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.GradientBoostingClassifier.html#sklearn.ensemble.GradientBoostingClassifier

8、scikit-learn 梯度提升树(GBDT)调参小结
https://www.cnblogs.com/pinard/p/6143927.html

九、Python-sklearn库-随机森林

1、sklearn实战之随机森林
https://blog.csdn.net/qq_48314528/article/details/119718702

十、K折交叉验证

1、K-折交叉验证（原理及实现）
https://blog.csdn.net/NSSWTT/article/details/107323634

2、机器学习：交叉验证和模型选择与Python代码实现
cross validation
https://blog.csdn.net/huakai16/article/details/78070671

3、机器学习为什么需要交叉验证？怎么使用k-fold cross validation（k-折叠交叉验证）
train_test_split
cross_val_score
https://blog.csdn.net/weixin_41060109/article/details/80878325

4、10折交叉验证深入理解
https://blog.csdn.net/jp_zhou256/article/details/85248578

5、Python 实现K折交叉验证
一个利用K_Flod_spilt写的小程序
https://blog.csdn.net/weixin_44616888/article/details/105756203

6、折交叉验证/K折交叉验证， python代码到底怎么写
说清楚shuffle和random_state如何赋值
https://blog.csdn.net/u014264373/article/details/116241388

7、Keras入门（八）K折交叉验证
https://blog.csdn.net/jclian91/article/details/113096228

8、【超参数寻优】交叉验证（Cross Validation）超参数寻优的python实现：单一参数寻优
https://blog.csdn.net/Luqiang_Shi/article/details/84570133

9、机器学习-CrossValidation交叉验证Python实现
train_test_split
https://blog.csdn.net/Dream_angel_Z/article/details/47110077

sangba2019
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
基于机器学习与图像处理的目标Mark识别算法
04-27
基于机器学习与图像处理的目标Mark识别算法，大家可以学习学习
认知电子战 (2.2)：基于机器学习的目标状态识别
因吉的博客
12-02 2100
本节主要介绍基于机器学习的目标状态识别。以下首先介绍几个概念： 1）目标状态：以对抗系统接收到的信号为基准，而界定的对抗目标的状态  2）目标行为：目标辐射源在工作过程中，受到外界电磁环境的影响或系统内部的需要而产生的一种有规律的状态转变
Java基础快速复习资料（持续更新中）2021-06-23
我有一张床的博客
06-14 1677
学习java [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-IQfnFmZ2-1623677352183)(C:\Users\liheng\AppData\Roaming\Typora\typora-user-images\image-20210512095635106.png)] 1：常用的DOS命令 查看当前文件目录 dir 切换目录 cd change dierctory cd… 清理屏幕 cls（clear screen） 退出中单 exit 查看电脑的ip ip
机器学习经典模型（二）目标检测
weixin_41680653的博客
10-27 1149
1.图像中单个目标的定位 标签为：中心点，方块的长宽 2.图像中多个目标检测——滑窗法 训练一个目标识别网络Net，能够判断是不是car。 用滑窗法遍历图片，每一次都用Net来做预测，因为知道滑窗的位置和大小，所以可以预测出图片中物体的种类的位置。 受细粒度、滑动步长影响大，计算量太大 3.通过卷积来减少计算量 1）通过卷积代替全连接 2）通过卷积实现滑窗操作 有很多计...
计算机视觉项目实战-目标检测与识别
m0_37623374的博客
08-18 8138
本此博客我们简单的介绍一下目标检测与识别，我们从头开始介绍，从最简单的然后逐渐的走进项目。首先我们介绍使用深度学习和CV去做一个简单的目标识别项目。
深度学习：深度学习人工智能机器学习资料汇总（深度学习人工智能机器学习）持续更新……
02-06
深度学习是现代信息技术领域的一颗璀璨明珠，它与人工智能、机器学习紧密结合，推动了诸多前沿技术的发展。在本文中，我们将深入探讨深度学习的核心概念、重要框架以及它们在实际应用中的作用。 首先，深度学习是一...
深度学习、机器学习数据集资源汇总
最新发布
08-22
2. 工业数据集汇总：开源工业缺陷数据集汇总，持续更新中（已更新 28个） - 知乎：该数据集提供了大量的工业数据，包括工业缺陷、产品检测等任务。 3. 医疗数据集汇总：GitHub - linhandev/dataset: 医学影像数据集...
深度学习 机器学习 数据集资源汇总.pdf
05-23
深度学习和机器学习是当前人工智能领域的两大核心技术，它们的发展离不开大量的数据支持。...这些数据集资源不仅涵盖了深度学习和机器学习的多个领域，而且不断更新，为持续学习和创新提供了源源不断的素材。
Python-人脸识别相关资料汇总
08-11
人脸跟踪是在视频流中持续检测和追踪同一人脸，常用算法有KCF（Kernelized Correlation Filter）、CSRT（Continuous Sampling Random Forest）等。这些方法结合了运动信息和人脸检测结果，以保持对目标人脸的稳定...
基于机器视觉和深度学习的目标识别与抓取定位研究
06-13
本文主要研究基于机器视觉和深度学习的目标识别与定位，为传统工业机器人加 入视觉系统，实时监测加工对象的信息，应用机器视觉和深度学习的理论与方法对这 些信息进行处理，提高机器人的智能化水平。实验平台为本实验组搭建的基于机器视 觉的六自由度机械臂控制系统，如图 1.1 所示。系统主要包括双目摄像机、六自由度 机械臂、摄像机标定及测量子系统、机械臂控制子系统以及目标识别与定位子系统。 双目摄像机由两个相同配置的 CCD 相机组成，充当机器人的眼睛；六自由度机械臂 充当机器人的手臂，移动抓取物体；目标识别与定位系统安装在一台带有 GPU 的服 务器上，提供图像目标检测的接口服务；摄像机标定及测量系统采集视场图像，将图 像提交到目标识别与定位系统，根据其返回的物体分类信息及定位信息，计算物体三 维坐标，控制机械臂移动并抓取目标。
MATLAB统计学习工具箱
09-25
MATLAB统计学习工具箱,内附说明文档,可直接调用函数
集成分类器matlab
07-27
使用matlab训练集成分类器，这里使用的是BP网络，也可以很方便地改为其他分类器，与单个BP分类器相比，正确率由87%上升到97.9，有明显地提高。
集成学习方法matlab实现
03-16
集成学习（Ensemble Learning）有时也被笼统地称作提升（Boosting）方法，广泛用于分类和回归任务。它最初的思想很简单：使用一些（不同的）方法改变原始训练样本的分布，从而构建多个不同的分类器，并将这些分类器线性组合得到一个更强大的分类器，来做最后的决策。本文件内包含多种集成学习方法，可进行选择，比较其优劣势
目标检测资料合集
dlhlSC的博客
11-25 291
大话文本识别经典模型：CRNN https://my.oschina.net/u/876354/blog/3047853 大话文本检测经典模型：CTPN https://my.oschina.net/u/876354/blog/3047851 1- 1)坐标归一化 YOLOv1，YOLOv2，YOLOv3解读 https://blog.csdn.net/hancoder/article/details/87994678 YOLO算法详解 https://blog.csdn.net/wk785456510/a
CV学习：传统（机器学习）目标检测——HOG+SVM检测器
m0_51485946的博客
08-05 3140
HOG特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子，是与SIFT、SURF、ORB属于同一类型的描述符。HOG不是基于颜色值而是基于梯度来计算直方图的，它通过计算和统计图像局部区域的梯度方向直方图来构建特征。HOG特征结合SVM分类器已经被广泛应用到图像识别中，尤其在行人检测中获得了极大的成功。
机器学习算法评估指标——2D目标检测
格物钛智能科技作为非结构化数据赋能专家，为企业及AI开发者提供全新的智能时代数据管理方案，以数据引擎为核心技术，打造下一代数据平台，解决非结构化数据难发现、难管理、难利用等痛点，帮助企业筑牢新基建底层，实现海量复杂数据的灵活存取用，助推AI工程化和数据资产
05-18 3138
目标检测是计算机视觉领域的传统任务，需要识别出图像上存在的物体，给出对应的类别，并将该物体的位置通过最小包围框（Bounding box）的方式给出。下面介绍2D目标检测任务的常用评价指标。 IoU（Intersection over Union） 定义：交并比，两个矩形框交集的面积与并集的面积之比 范围：0~100% 用途：判断两个矩形框的重叠程度，值越高则重叠程度越高，即两个框越靠近 IoU 和Overlap Rate定义是完全相同的，只不过在检测任务中常写作IoU，在跟踪任务中常...
我这两年收藏的目标检测资料
阿木寺的博客
05-18 421
AI 显然是最近几年非常火的一个新技术方向，从几年前大家认识到 AI 的能力，到现在产业里已经在普遍的探讨 AI 如何落地了。我们可以预言未来在很多的领域，很多的行业，AI 都会在里边起到...
MATLAB如何搭建集成学习分类器
夏之微风的博客
09-25 3383
（还是草稿） 集成学习 概念 集成学习分为同质集成和异质集成，同质集成指的是基学习器为同一种学习器，异质集成指的是基学习器为不同的学习器。 要想获得好的集成效果，个体学习器之间应该好而不同。 假设个体学习器的误差相互独立，那么随着集成中个体分类器数目T的增大，集成学习的错误率将呈指数级下降，最终将趋向于0。 如何产生“好而不同”的个体学习器，是集成学习研究的核心内容。 根据个体学习器的生成方式，目前的集成学习方法大致分为两大类。一是个体学习器之间存在强依赖关系，必须串行生成的序列化方法，代表是Boostin
机器学习与模式识别：贝叶斯方法与近似推理
书中的内容涵盖了信息科学与统计学的最新进展，特别是 Bayesian 方法在模式识别和机器学习中的应用。 书中提到，模式识别最初起源于工程领域，而机器学习则发端于计算机科学。尽管两者有各自的历史背景，但它们本质...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值