有很多算法当时看得懂了些,后来就忘了,其实还是没有触到算法的本质。
1. 模拟退火:这是一种最优化算法,在温度慢慢冷却下,使得算法遍历所有的可能状态,接近去穷举法。
2. 马尔可夫模型:用统计特征做为所研究模型的一种先验模型。
3. mean-shift: 给定样本点,估计背后的密度梯度函数。好比一群政客,大官小官地方官,按照势力嫡系种种标准,我们最后可以看到一个个小圈子的划分,而每个圈子都会有一个中心人物。这个中心人物就是一个局部最优点,而不同的圈子就是不同的局部聚类。对每一个政客去寻找他所属圈子中心人物并给他标上一个所属label的过程,就是mean-shift。
本文介绍了模拟退火、马尔可夫模型及mean-shift三种算法的基本原理。模拟退火是一种最优化算法,通过模拟物质降温过程来逼近全局最优解;马尔可夫模型则基于统计特征建立先验模型;mean-shift算法通过估计密度梯度找到数据集中的局部聚类中心。
2158

被折叠的 条评论
为什么被折叠?



