![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
python
文章平均质量分 77
被风吹过的会不会要逝去
这个作者很懒,什么都没留下…
展开
-
MS COCO类型数据集annotations中segmentation出现乱码的问题解决方法
MS COCO类型数据集annotations中segmentation出现乱码的问题解决方法原创 2022-11-13 12:56:00 · 630 阅读 · 2 评论 -
流形学习详解
流形学习流形学习(manifold learning)是一类借鉴了拓扑流形概念的降维方法。介绍流行学习首先要说明一下什么是流形:即指具有不同维数的任意光滑的曲线或曲面。流形学习是基于这样一种假设:若低维流形嵌入到高维空间中,则数据样本在高维空间的分布虽然看上去十分复杂,但局部上仍具有欧氏空间的性质,因此,可以容易地在局部建立降维映射关系,然后再设法将局部映射关系推广到全局。其特点为:通过局部线性来构造全局非线性。为什么要使用流形学习流形学习是从高维采样数据中恢复低维流形结构,即找到高维空间中原创 2021-12-13 12:11:23 · 9622 阅读 · 0 评论 -
局部线性嵌入(Locally Linear Embedding,简称LLE)
局部线性嵌入(Locally Linear Embedding,简称LLE)1 绪论与Isomap试图保持邻域内样本之间的距离不同,局部线性嵌入(Locally Linear Embedding,LLE)试图保持邻域内样本之间的线性关系。其根本思想可以概括为局部线性重构。假定样本点xix_ixi的坐标能够通过它的邻域样本xj,xk,xlx_j,x_k,x_lxj,xk,xl进行线性组合而重构出来,即:xi=wi,jxj+wi,kxk+wi,lxlx_i=w_{i,j}x_j+w_{i,k}x原创 2021-12-13 12:09:03 · 3776 阅读 · 0 评论 -
等度量映射(Isometric Mapping,简称Isomap)
等度量映射(Isometric Mapping,简称Isomap)1 绪论在MDS中已经说明了为何要进行降维。而进行降维的一般有两类方法:特征选择和特征提取。特征选择:根据一定的标准学则显著特征特征提取:通过对所有特征进行变换来获取精简的特征集对于降维方法中,经典的线性方法(例如主成分分析,PCA)存在一些不足,即无法发现螺旋的一维结构。Isomap就是处理此类问题的一种经典的非线性学习方法。2 等度量映射等度量映射(Isometric Mapping,Isomap)的基本观点同MDS原创 2021-12-13 12:06:00 · 4556 阅读 · 0 评论 -
多为缩放(MDS)
多维缩放(Multiple Dimensional Scaling,MDS)1 绪论假设任意测试样本????附近任意小的????距离范围内总能找到一个训练样本,即训练样本的采集密度足够大,或称为“密采样”(dense sample)。然而,这个假设在现实任务中通常很难满足,例如????=0.001,仅考虑单个属性,则仅需1000个样本点平均分布在归一化后的属性取值范围内,即可使得任意测试样本在其附近0.001距离范围内总能找到一个训练样本,此时最近邻分类器(1NN)的错误率不超过贝叶斯最优分类器的原创 2021-12-13 12:02:19 · 2689 阅读 · 0 评论