- 博客(7)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 个人毕业设计（优秀毕业设计）
3D坐标和肢体识别结果，可以得到24 个肢体向量。然后通过计算每一张图片中的24 个肢体向量两两之间的夹角的余弦值，可以得到50个长度为276的人体姿态特征向量表示，把他们。(1)特征抽取部分：在每一个人体动作序列中等间距取50张图。最终本论文提出的方法在G3D数据集上的分类准确率为92.3%。，而后将其带入集成学习模型当中进行最终的模型分类预测。(2)模型集成部分：因为logistic回归拟合能力较弱，，最后得到人体动作序列的特征向量表示。，而后再把它和SVM，KNN，随机森。毕设代码github地址。
2024-04-02 23:46:47
121
原创 Word2vec学习笔记
语言模型是一个单纯的、统一的、抽象的形式系统，语言客观事实经过语言模型的描述，比较适合于电子计算机进行自动处理，因而语言模型对于自然语言的信息处理具有重大的意义。用神经网络来训练语言模型的思想最早由百度 IDL （深度学习研究院）的徐伟提出[1]，，而Word2vec是在原有的基础上加上了一些拓展的优化，总结起来可以分为以下几点：（没有去深究，等以后学会了再补上）而对于word2vec 而言，词向量矩阵的意义就不一样了，因为。，而是只关心模型训练完后的副产物：特征映射矩阵。（1）模型输入：待预测的词。
2024-03-20 21:05:16
969
原创 LDA主题模型学习笔记
LDA是一种典型的词袋模型，即它认为一篇文档是由一组词构成的一个集合，词与词之间没有顺序以及先后的关系。一篇文档可以包含多个主题，文档中每一个词都由其中的一个主题生成。它以概率分布的形式揭示每个文档的主题，以便在分析一些文档以提取其主题分布后，可以根据主题分布进行主题聚类或使用文本分类。每个主题都用一个词分布表示。通俗说就是：你计算机给我推测分析网络上各篇文章分别都写了些啥主题，且各篇文章中各个主题出现的概率大小（主题分布）是啥。其中有四个分布：①Beta分布是二项式分布的共轭先验概率分布。
2024-03-13 23:22:41
287
原创 大创项目技术总结（复试准备）
所以，在项目中，我们会同时从大量论文中提取出肠道菌群，药物，基因三者之间的联系。最后，基于AD，药物，基因，肠道菌群的关系，构建知识图谱，通过前面队友的数据预处理之后，我收到了一个统计好的词语出现次数的词频矩阵。①数据预处理：从PubMed数据库中提取出有关神经退行性疾病的论文摘要数据，做出一个词频矩阵（分词+词形还原+去掉stopwords），目的是为了把主题里面的单词全部变成向量，便于处理。，主题模型的结果进行聚类处理，将主题模型输出类似的主题进行再次聚合。在该过程中对每年的数据进行整体的词向量训练，
2024-03-07 02:56:15
339
原创 机器学习综述（考试整理的）
一 机器学习历史 机器学习源自人工智能。早期的人工智能主要分为两个阶段：一个是逻辑推理，第二个阶段是专家系统。 1 逻辑推理：主要通过数学符号的逻辑来模拟智能。 2. 专家系统：利用各个领域的专家知识建立相应的知识库，利用专家经验知识完成推理和决策。 3. 机器学习算法：在1980年之前，这些机器学习算法都是零碎化的，不成体系。从1980年开始，机器学习才真正成为一个独立的方向。在这之后，各种机器学习算法被大量的提出，得到了快速发展。决策树算法是1980年代到1990年代初期的重要成果，虽然
2021-12-29 20:47:09
1199
空空如也
Openpose 3D坐标点提取
2021-04-11
TA创建的收藏夹 TA关注的收藏夹
TA关注的人