![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 80
闪电gogogo
这个作者很懒,什么都没留下…
展开
-
机器学习中的SVD
机器学习中的数学(5)-强大的矩阵奇异值分解(SVD)及其应用版权声明: 本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用,但请注明出处,如果有问题,请联系wheeleast@gmail.com。也可以加我的微博:@leftnoteasy前言: 上一次写了关于PCA与LDA转载 2017-06-10 17:10:24 · 347 阅读 · 0 评论 -
KSVD
1. 算法简介K-SVD可以看做K-means的一种泛化形式,K-means算法总每个信号量只能用一个原子来近似表示,而K-SVD中每个信号是用多个原子的线性组合来表示的。K-SVD通过构建字典来对数据进行稀疏表示,经常用于图像压缩、编码、分类等应用。2. 主要问题Y = DXWhere Y∈R(n*N), D∈R(n*K), X∈R(k*N转载 2017-06-10 17:07:16 · 5231 阅读 · 0 评论 -
浅读K-means
百度百科释义为:K-means算法是硬聚类算法,是典型的基于原型的目标函数聚类方法的代表,它是数据点到原型的某种距离作为优化的目标函数,利用函数求极值的方法得到迭代运算的调整规则。K-means算法以欧式距离作为相似度测度,它是求对应某一初始聚类中心向量V最优分类,使得评价指标J最小。算法采用误差平方和准则函数作为聚类准则函数。在数据挖掘中,K-Means算法是一种cluste原创 2017-08-02 22:16:56 · 485 阅读 · 0 评论