![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 71
@zhou
这个作者很懒,什么都没留下…
展开
-
图像质量评估算法SSIM(结构相似性)
超分辨率SSIM评价函数实现原创 2022-05-23 21:46:43 · 11592 阅读 · 5 评论 -
拉格朗日对偶性
问题重述在机器学习中,我们会遇到一些约束最优化的问题,常常需要利用拉格朗日对偶性(Lagrange duality)将原始的问题转化为对偶问题,通常解对偶问题得到原始问题的解。该方法应用在许多的统计学习中,例如支持向量机(SVM)和最大熵模型。本文我将从原始问题,对偶问题出发讲解相关内容,并给出这两个问题何种情况下最优解是相同的。原始问题首先假设f(x),ci(x),hi(x)f(x),c_i(x),h_i(x)f(x),ci(x),hi(x)是定义在RnR^nRn空间上的可微连续函数,假设原始问原创 2022-03-21 11:01:03 · 1027 阅读 · 0 评论 -
FCM公式详细推及代码
FCM详细的公式推导和代码原创 2022-03-03 10:13:09 · 1404 阅读 · 2 评论 -
svm为基分类器的Boosting实现
以SVM为基分类器的adboost实现原创 2021-12-13 10:56:13 · 2027 阅读 · 0 评论 -
基于遗传算法对旅行商问题的求解
遗传算法求解TSP问题的计算机仿真绪论由于遗传算法在整体搜索策略和优化搜索方法上不依赖梯度信息或其他辅助知识,只需要影响搜索方向的目标函数和相应的适应度函数,所以提供了一种求解复杂系统问题的通用框架,因此遗传算法广泛应用于数学问题、组合优化、机械设计、人工智能等领域。遗传算法( Genetic Algorithms,简称GA)是模拟自然界生物自然选择和进化的机制而发展起来的一种高度并行、自适应的随机搜索算法。特别适合于求解传统的搜索算法不好处理的复杂的最优解问题。旅行商问题( Traveling Sale原创 2021-11-17 09:45:18 · 2582 阅读 · 0 评论 -
主成分分析公式推导(完整版)
主成分分析公式推导(完整版)主成分分析(Prinicpal Component Analysis-----PCA)简单来说最基本的方法就是将具有很多属性的一个数据集通过线性组合的方式进而减少数据集的属性,这样可以帮助我们在机器学习或者深度学习的后续训练步骤中,减少训练时间和资源的浪费;还可以在一定程度上筛选出对问题比较重要的属性集合。具有很大的应用价值。公式推导想必我们都使用过matlab自带的PCA降维函数和python机器学习库里面的PCA函数,但是关于该函数是怎么实现的却了解的不是很多,今天我原创 2021-11-02 00:07:59 · 4054 阅读 · 0 评论 -
kmeans做简单的图像分割
kmeans做简单的图像分割包的使用import numpy as npimport matplotlib.pyplot as plt因为这道题目相对的比较简单,就使用和numpy 和matplotlib 这两个库进行代码的浮现第一步对图像进行处理归一化,按照像素作为输入还是3*3窗函数对某一坐标周围的9个点做平均或者最大值和最小值求平均这三种方式对我们的图像进行预处理作为真正的输入。def preprocess(image,way = 1): #way 作为一个额外的输入代表不同的预处理原创 2021-10-28 15:40:09 · 1686 阅读 · 0 评论 -
CD3基于信息增益的决策树代码实现
机器学习基于信息增益的决策树代码实现1基本流程根据西瓜书上的内容给出一下的伪代码描述,并且本文也是根据伪代码来编写的。input:训练集D = {(x1x_1x1,y1y_1y1),(x2x_2x2,y2y_2y2),(x3x_3x3,y3y_3y3)…(xmx_mxm,ymy_mym) };特征集合A = { a1a_1a1,a2a_2a2,a3a_3a3…ama_mam }.process:1.生成节点node.2.if D中的样本全属于同一类 C :3 将n原创 2021-09-27 20:47:56 · 204 阅读 · 0 评论 -
LDA代码实现
机器学习线性分类器的LDA分类器的代码实现,由于要进行可视化的展现,所以这里我使用二变量进行二分类的任务,由于书上几乎都会给出它的推导过程所以在这里就省略掉它的过程推导,从使用层面上进行描述和编程语言进行实现。# my LDA funcitonimport numpy as npimport matplotlib.pyplot as plt# 这个仅限于二维的方式def my_LDA(X,Y): x_0 = X[np.where(Y == 0)[0],:] #y_0 = Y[np.原创 2021-09-21 16:47:56 · 514 阅读 · 0 评论