- 博客(3)
- 收藏
- 关注
RSS订阅翻译 概率密度分布
参数密度估计大多数实际应用过程中，缺乏概率分布的具体解析式，因此需要通过所观察到的样本进行进行估计，通常分为： 参数估计 非参数估计 参数估计 已知：概率分布的解析表达式 求解：确定表达式中的参数 主要方法 最大似然估计（频率学派） 最大后验概率估计（多个先验，贝叶斯学派） 贝叶斯推理 最大熵模型 混合模型（EM算法） 最大似然估计算法 1）把参数当做未知实数（不是变量） ------频率学派
2015-12-31 15:45:39
3040
翻译 K-means
任务 数据: mm个样本，x(i)x^{(i)} 是n维的向量，{x(1),...,x(m){{x^{(1)},...,x^{(m)}}}} 目标聚类 算法 随机初始化 kk 个聚类中心 μ1,..μk\mu_1,..\mu_k，（对结果还是很有影响的，后面会采取一些措施弥补这种影响）。 对于每个样本，do:do: c(i):=argminj||x(i)−μj||c^{(i)}:
2015-12-30 00:16:09
464
翻译 Computer vision
CV （1.2）———————————————————————————————task：image classification-主要问题：语义鸿沟 -挑战（视角变化，光照，大小，形变，遮挡，背景分割，类间变化）-普通的硬性编码很难解决这些问题——————————————————————————————–strategy-数据驱动的方法 –1，收集数据并标注（prepare stage
2015-12-29 17:25:27
443
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人