- 博客(8)
- 资源 (1)
- 收藏
- 关注
RSS订阅
原创 博客声明！！！
本博客涉及转载文章，用于分享与备忘。如果转载博客有涉及版权问题，请与我联系，我定会删改。本人从事 数据挖掘，机器学习，迁移学习， 图像处理，工业建模与自动化技术 等研究。QQ：839926497邮箱：YCdreaming@zjut.edu.cn
2017-07-31 15:30:29
374
转载 自动编码器（Autoencoder）keras实现---转载
一、什么是自编码器（Autoencoder）“自编码”是一种数据压缩算法，其中压缩和解压缩功能是1）数据特定的，2）有损的，3）从例子中自动学习而不是由人工设计。此外，在几乎所有使用术语“自动编码器”的情况下，压缩和解压缩功能都是用神经网络来实现的。1）自动编码器是特定于数据的，这意味着它们只能压缩类似于他们所训练的数据。这与例如MPEG-2音频层III
2018-01-16 21:39:25
6179
原创 Keras简单实现多层感知机（MLP）代码
import kerasfrom keras.model import Sequentialfrom keras.layers import Dense,Dropoutfrom keras.optimizers import RMSpropimport scipy.io as sioimport matplotlib.pyplot as pltbatch_size =50
2017-09-11 19:08:40
6545
转载 adaboost学习（一）
一、Boosting算法的发展历史 Boosting算法是一种把若干个分类器整合为一个分类器的方法，在boosting算法产生之前，还出现过两种比较重要的将多个分类器整合为一个分类器的方法，即boostrapping方法和bagging方法。我们先简要介绍一下bootstrapping方法和bagging方法。 1）bootstrapping方法的主要过程 主要步骤：
2017-07-31 15:41:21
565
转载 adaboost学习(三)
最大错误率问题：将γt=1/2-Et ;Freund and Schapire证明:最大错误率为: 即训练错误率随γt的增大呈指数级的减小.最大总误差: m : 样本个数d : VC维T :训练轮数Pr:对训练集的经验概率如果T值太大,Boosting会导致过适应（overfit）《模式分类》3
2017-07-31 15:39:14
450
转载 adaboost学习(二)
引言众所周知，模式识别的方法可以按照参与识别特征的属性来区分，可以分为两大类：一、使用定量特征（可度量）如物体长度、宽度等，来描述的各种模式，这一类主要是指决策理论，有匹配、统计、神经网络等方法；二、使用定性特征如特征结构、排列顺序等，来描绘的各种模式，这一类主要是指结构判别，主要有串和树的匹配等方法。模式识别的完整的流程顺序是：传感器——分割组织——特征提取——分
2017-07-31 15:37:14
342
原创 libsvm安装问题解决！！
一.首先安装Matlab(本文以Matlab2009a为例)和Visual C++ 6.0相关安装方法可以借鉴以下内容：Matlab：点击打开链接Visual C++ 6.0：点击打开链接二.针对Matlab和Visual C++ 6.0 安装后无法检测的问题首先确定你所安装的matlab可以支持哪些编译器（十分关键的！！），在支持的编译器中进行选择安装。
2017-07-31 14:32:27
1063
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人