模式识别
文章平均质量分 91
zlingh
大家多多交流我邮箱是[email protected]
展开
-
卷积的介绍
最容易理解的对卷积(convolution)的解释_bitcarmanlee的博客-CSDN博客_卷积什么是图像卷积_naruhina的博客-CSDN博客_图像卷积一、项目github地址:bitcarmanlee easy-algorithm-interview-and-practice经常有同学私信或留言询问相关问题,V号bitcarmanlee。github上star的同学,在我能力与时间允许范围内,尽可能帮大家解答相关问题,一起进步。啰嗦开场白读本科期间,信号与系统里面经常讲到卷转载 2022-05-18 01:26:50 · 596 阅读 · 0 评论 -
召回率 Recall、精确度Precision、准确率Accuracy
假设原始样本中有两类,其中: 1:总共有 P个类别为1的样本,假设类别1为正例。 2:总共有N个类别为0 的样本,假设类别0为负例。 经过分类后:3:有 TP个类别为1 的样本被系统正确判定为类别1,FN 个类别为1 的样本被系统误判定为类别 0,显然有P=TP+FN; 4:有 FP 个类别为0 的样本被系统误判断定为类别1,TN 个类别为0 的样本被系统正确判为类别 0,显然原创 2013-01-20 20:24:56 · 2386 阅读 · 0 评论 -
k均值聚类(K-means)相异度计算
http://www.cnblogs.com/leoo2sk/archive/2010/09/20/k-means.html4.1、摘要 在前面的文章中,介绍了三种常见的分类算法。分类作为一种监督学习方法,要求必须事先明确知道各个类别的信息,并且断言所有待分类项都有一个类别与之对应。但是很多时候上述条件得不到满足,尤其是在处理海量数据的时候,如果通过预处理使得数据原创 2013-10-14 20:31:13 · 7308 阅读 · 0 评论 -
模糊c均值聚类
FCM算法是一种基于划分的聚类算法,它的思想就是使得被划分到同一簇的对象之间相似度最大,而不同簇之间的相似度最小。模糊C均值算法是普通C均值算法的改进,普通C均值算法对于数据的划分是硬性的,而FCM则是一种柔性的模糊划分。在介绍FCM具体算法之前我们先介绍一些模糊集合的基本知识。6.1.1 模糊集基本知识[21]首先说明隶属度函数的概念。隶属度函数是表示一个对象x隶属于集合转载 2013-10-14 20:47:31 · 6771 阅读 · 0 评论 -
K-Means++算法
k-means算法是一种基本的聚类算法,这个算法的先决条件是 1)必须选择最终结果需要聚为几类,就是k的大小。 2)初始化聚类中心点,也就是seeds。 当然,我们可以在输入的数据集中随机的选择k个点作为seeds,但是随机选择初始seeds可能会造成聚类的结果和数据的实际分布相差很大。既然选择初始的seeds这么重要,那有什么算法可以帮助选择初始的seeds吗?当然转载 2013-10-14 19:31:45 · 1529 阅读 · 0 评论 -
TFIDF算法及应用
TFIDF的主要思想是:如果某个词或短语在一篇文章中出现的频率TF高,并且在其他文章中很少出现,则认为此词或者短语具有很好的类别区分能力,适合用来分类。TFIDF实际上是:TF * IDF,TF词频(Term Frequency),IDF逆向文件频率(Inverse Document Frequency)。TF表示词条在文档d中出现的频率。IDF的主要思想是:如果包含词条t的文档越少,也就是n越小原创 2014-03-10 01:41:00 · 4113 阅读 · 1 评论