调研内容（算法相关--维数灾难）

Raecing Raecing 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 300+累计阅读 346平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄12年
关注
原创 最新推荐文章于 2026-08-28 10:19:15 发布 346 阅读 AI 写同款· GEO 优化 ›
降维算法全解析：从PCA到t-SNE，数据科学必备的降维实战指南 在数据科学和机器学习领域，高维数据处理是一个核心挑战。降维技术通过数学变换，将高维数据投影到低维空间，旨在保留数据的主要结构和信息。其基本原理是解决维度灾难、去除冗余噪声并实现数据可视化，从而提升模型性能与解释性。这项技术的核心价值在于优化特征工程，为后续的建模与分析提供更清晰、更高效的数据表示。典型应用场景包括金融风控的特征筛选、生物信息学的基因表达可视化，以及图像识别中的特征压缩。本文将聚焦于主成分分析（PCA）和t-SNE等核心算法，通过对比线性与非线性方法的原理，并结合scikit-learn的代码 阅读详情

来源1：

分类问题中的“维数灾难”
英文原文
这里写图片描述这里写图片描述

收录于
GMFM quantifcated evaluation

当前文章被收录于：

GMFM quantifcated evaluation
8 篇文章 0 人学习
订阅专栏 查看详情
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
持续学习(Continue Learning)荣登Nature! 一时学习一时爽，“持续学习“持续爽 人在学习新知识的时候，能根据之前的知识很快的学习相似的知识，并且能不遗忘从前的知识。而本文，在阅读了关于continual learning的相关文献，对continual learning有一个大致的脉络，能为实际应用中的项目落地后的持续学习提供更好的帮助。讨论了LLMs在持续学习中的新兴属性、传统CL类型的角色变化、记忆约束的影响以及未来的研究方向，为LLMs的持续学习研究提供了新的思路。系统地整理了LLMs持续学习的评估协议和公开可用的数据集，为该领域的研究提供了宝贵的资源。 阅读详情

相关推荐

持续学习全面解析：从灾难性遗忘到PyTorch实战

在深度学习模型的实际部署中，数据分布的变化和新增任务往往要求模型具备持续更新的能力。传统全量重训不仅计算成本高昂，还难以应对动态环境中的快速迭代。持续学习旨在解决模型在学习新知识时遗忘旧知识这一核心挑战，即灾难性遗忘问题，同时平衡稳定性与可塑性。通过正则化、经验重放、参数隔离等方法，模型可以在不牺牲旧任务性能的前提下高效适应新数据。该技术已广泛应用于推荐系统、计算机视觉、自然语言处理等领域，是构建动态智能系统的关键。本文系统梳理持续学习的问题定义、主流算法、评估指标及工程落地要点，并通过基于PyTorch的

weixin_33850890的博客 441

机器学习——误差

误差原因 在模型预测中，模型可能出现的误差来自两个主要来源，即：因模型无法表示基本数据的复杂度而造成的偏差（bias），或者因模型对训练它所用的有限数据过度敏感而造成的方差（variance）。 偏差造成的误差 - 精度和欠拟合 如前所述，如果模型具有足够的数据，但因不够复杂而无法捕捉基本关系，则会出现偏差。这样一来，模型一直会系统地错误表示数据，从而导致

兔清风的博客 2028

9、非线性降维之多维尺度分析

本文深入介绍了多维尺度分析（MDS）这一重要的非线性降维方法，涵盖其基本原理、主要类型及实际应用。详细阐述了度量MDS中的经典MDS和SMACOF算法的数学原理、求解步骤与MATLAB实现代码，并对比了不同MDS方法的适用条件与解的性质。同时介绍了非度量MDS的核心思想及其在保持相异性秩顺序方面的优势。文章还展示了MDS在市场调研、生物信息学和社会科学等领域的广泛应用，并提供了方法选择流程图，帮助读者根据数据特征合理选用MDS方法。最后展望了MDS未来的发展方向，为高维数据的分析与可视化提供了系统性指导。

nokia的博客 85

[转载]分类问题中的“维数灾难”

原文地址：http://www.cnblogs.com/datahunter/p/3808252.html?utm_source=tuicool&utm_medium=referral　　在看机器学习的论文时，经常会看到有作者提到“curse of dimensionality”，中文译为“维数灾难”，这到底是一个什么样的“灾难”？本文将通过一个例子来介绍这令人讨厌的“curse of dimens

图图酱的专栏 1436

PID详解

1、什么是PID及其作用 设定一个输出目标,反馈系统传回输出值,如与目标不一致,则存在一个误差,PID 根据此误差调整输入值,直至输出达到设定值. 为什么需要PID呢，比如控制温度，我们需要设置一个要达到的目标温度值，当将温度稳定在目标温度值 例如，我们希望水的目标温度值为70°，其希望无非就是可以快速而且无抖动的达到70°，并稳定在70° 如果我们使用普通的方式加热，当温度到达70°后就以及停止加热，岂不是简单快速，当然用在要求不高的场合也可以，但是如果要求更高的场合呢，会出现温度到达70°后......

weixin_48435215的博客 5万+

鸿蒙OpenHarmony技术：【Docker编译环境】

OpenHarmony为开发者提供了两种Docker环境，以帮助开发者快速完成复杂的开发环境准备工作。独立Docker环境：适用于直接基于Ubuntu、Windows操作系统平台进行版本编译的场景。基于HPM的Docker环境：适用于使用HPM工具进行发行版编译的场景。点击或者复制转到。表1Docker镜像介绍系统类型运行平台Docker镜像仓库标签标准系统（独立Docker环境）3.2小型系统（独立Docker环境）3.2轻量系统（独立Docker环境）3.2。

m0_62167422的博客 1445

降维算法原理与应用全解析

本文全面深入地探讨了数据处理领域中常用的降维算法，包括主成分分析（PCA）、线性判别分析（LDA）、局部线性嵌入（LLE）、等距映射（Isomap）、奇异值分解（SVD）、t - 分布随机邻域嵌入（t - SNE）以及自编码器（Autoencoder）。

m0_44975814的博客 1588

2025最新正版Autodesk 3ds Max 2022安装教程：从下载到中文环境配置全流程解析

Autodesk 3ds Max 2022是一款专业的三维建模、动画和渲染软件，广泛应用于影视制作、游戏开发、建筑可视化等领域。

waicsdn_haha的博客 1万+

数据降维全解析：从PCA原理到t-SNE可视化实战与避坑指南

降维是数据预处理中的核心步骤，旨在解决高维数据带来的维数灾难问题。其基本原理是通过数学变换将高维数据映射到低维空间，同时最大程度保留原始数据结构与信息。这项技术的核心价值在于提升计算效率、去除噪声冗余，并实现数据可视化，为后续的机器学习模型提供更优质、更易处理的输入。在实际工程中，主成分分析（PCA）作为最经典的线性降维方法，通过特征值分解寻找数据方差最大的方向，广泛应用于特征压缩和去批次效应等场景。而面对复杂的非线性数据结构，t-SNE和UMAP等非线性方法则能更好地保持数据点间的局部邻近关系，尤其适合用

weixin_34232744的博客 596

HCLR-Net: 混合对比学习正则化与局部随机扰动用于水下图像增强

独特贡献在于开发了一种处理负样本的新策略，既保留了负样本的统计特性，又防止网络过度剖析这些样本中的特征信息。通过根据每个通道特征的重要性对模型进行加权，我们可以增强富含上下文信息的通道，从而获得更准确、更详细的特征表示。AHA 模块利用垂直方向上的 Avgpool 和水平方向上的 Maxpool 来捕捉远程依赖关系和准确的位置信息，从而有效确定不同方向上的特征退化。对比学习策略通常旨在最小化正样本之间的欧氏距离，使预测图像更接近理想图像，同时最大化负样本与预测图像之间的距离，使它们进一步远离非理想表征。

G-Howe的博客 1459

10万张数据集持续迭代：YOLO模型的场景专属自进化体系如何搭建？

做工业质检的朋友应该都有过这样的经历——拿着在COCO上刷榜的YOLO模型跑到产线上一测，精度直接腰斩。这不是模型不行，是场景不对口。过去一年，我深度参与了一个工业视觉项目：产线每天产生超过10万张图像，需要持续迭代检测模型。我们踩过无数坑，最终摸索出一套YOLO模型的场景专属自进化体系。今天不聊虚的，直接上干货。让模型在真实场景数据中持续学习、自动进化，而不是每次依赖人工标注从头训练。下面我从主动学习筛选、增量持续学习、架构选型、部署优化、安全防护五个维度，拆解整个搭建过程。声明。

2601_95807009的博客 106

面滴滴机器学习算法岗，居然被问到了大模型相关问题。。。

节前，我们星球组织了一场算法岗技术&面试讨论会，邀请了一些互联网大厂朋友、参加社招和校招面试的同学，针对算法类的技术趋势、大模型落地项目经验分享、新手如何入门算法岗、该如何准备、面试常考点分享等热门话题进行了深入的讨论。上周我们星球上一位小伙伴跟我聊天，跟我分享了他面试滴滴机器学习算法岗的面经。让他惊讶的是，面试官居然问他是否使用大模型、如何让大模型提升自己的工作效率、大模型的微调、量化等问题，直言不会大模型相关内容，让自己的优势立马消失了。

Python学习与数据挖掘 1072

宇树G1二次开发资料汇总

宇树科技G1是一款29自由度的商业级人形机器人，配备NVIDIA Jetson Orin NX计算平台和完整SDK生态。本文系统介绍了G1的硬件架构、29个关节配置、传感器外设、双计算单元设计等关键信息，并详细解析了软件生态体系，包括C++/Python SDK、ROS2接口、仿真工具和AI框架。开发者可通过DDS通信实现高层运动控制或底层关节级精确控制，支持快速二次开发。文档提供了网络配置、接口调用示例等实用指南，帮助开发者高效利用该平台进行人形机器人应用开发。

m0_47999117的博客 1319

Fisher矩阵相关理论研究

Fisher矩阵的相关知识铺垫

weixin_44069886的博客 1783

基于ESP32的室内空气质量检测系统开发

随着环境污染问题的日益严重，室内空气质量的监测变得越来越重要。室内空气质量的好坏直接影响到人们的健康，尤其是对于在封闭空间长时间待着的人群。为此，基于ESP32的室内空气质量检测系统应运而生。ESP32作为一款集成了Wi-Fi和蓝牙的高性能微控制器，为嵌入式开发提供了良好的平台，适用于构建各种智能硬件设备。本博客将详细介绍如何基于ESP32开发一个室内空气质量检测系统。系统可以实时监测空气中的温度、湿度、二氧化碳浓度、甲醛浓度等指标，并通过Wi-Fi将数据传输到云端或移动设备，方便用户随时查看空气质量情况。

2201_76125393的博客 832

WINCC7.3破解文件

WINCC7.3硬件够破解文件，有需要的下载！WINCC7.3硬件够破解文件，有需要的下载！

向量数据库调研

随着行业内AI战略的铺开。 知识的存储跟表达也有了新的标准。对于向量数据产生了存储检索的需求。向量这个数学表达，在目前是人与AI交互的中间媒介。 所以我们有必要深入探讨向量数据库，并对当前主流的数据库做一些对比分析。

qq_35667076的博客 1899

温度PID控制PLC程序

温度PID稳定控制程序，适用于欧姆龙PLC，对其他PLC也具有很大参考价值

主成分分析（PCA）原理与实战：从数据冗余到特征降维

在机器学习与数据分析中，处理高维数据时常常面临特征冗余和多重共线性的挑战，这会导致模型效率低下和过拟合风险增加。主成分分析（PCA）作为一种经典的无监督降维技术，其核心原理是通过线性变换将原始特征转换为一组新的、彼此正交的主成分，这些主成分按照方差大小排序，能够最大程度保留数据的变异信息。PCA的技术价值在于它能够有效压缩数据维度、去除噪声、提升计算效率，并增强模型的可解释性。其应用场景广泛，涵盖数据预处理、特征工程、数据可视化以及图像压缩等多个领域。通过理解PCA的数学本质，如方差最大化和奇异值分解（SV

weixin_29091445的博客 267

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android：LinePhone3.2.7(最新版本)，官网地址：http://www.linphone.org/

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

多模态情绪识别调研

多模态情绪识别调研问题定义情绪 Emotion多模态 Multi-modal融合算法决策融合特征融合多模态HMM受限/深度玻尔兹曼机（Restricted/Deep Boltzmann Machine）不同设计的网络结构Dense Multimodal FusionMultimodal Transfer ModuleGATED MULTIMODAL UNITSEmotiConLate Fusion of Multimodal InformationCross-Modal Self-Attention Net

qq_39337332的博客 3509

内容安全与内容协同编辑：企业数据管理的双轮驱动

这不仅方便团队成员回溯内容的演变过程，查找特定版本的历史资料，还能在出现问题时快速定位问题源头和责任人，确保协同编辑过程的有序性和可追溯性，为团队协作提供了有力的支持和保障，使企业能够在复杂多变的市场环境中迅速调整策略，保持竞争优势。综上所述，内容安全与内容协同编辑作为企业数据管理的双轮驱动，在保障企业数据安全的同时，激发了企业的创新活力和协作效率，为企业的发展提供了坚实的支撑和强大的动力。内容协同编辑功能为企业团队提供了一个高效、实时的协作平台，打破了时间和空间的限制，激发了企业创新发展的活力。

weixin_53838091的博客 613

医学图像领域中的攻击和防御 调研

本文系统综述了医学图像分析中的对抗攻击与防御研究。研究发现，深度学习在医学影像诊断中广泛应用的同时，也面临对抗攻击的重大威胁。攻击方法从早期的自然图像迁移（如FGSM、PGD）发展到针对医学特性的定制化攻击（如模拟MRI伪影）。防御策略主要包括对抗训练、对抗检测和图像预处理等方法，但存在鲁棒性与准确性难以平衡的挑战。当前研究面临数据稀缺、模型解释性不足等难题，未来需发展多模态联合防御、可解释性安全验证等方向。该领域已从理论验证阶段发展到系统化研究阶段，亟需建立标准化评估基准以推动临床应用。

weixin_52172937的博客 679

应用密码学课程调研

课堂密码学知识偏抽象，本次调研把噪声、概率、分组等理论落地到真实业务。很多中小企业仅做浅层脱敏，存在重大合规风险。后续打算写 Python 简易匿名代码实操，加深对隐私保护密码技术的理解。

2501_94787517的博客 172

答辩PPT通关秘籍：从「视觉灾难」到「逻辑王者」，AI工具让学术表达会「说话」

在无数次目睹“PPT车祸现场”后，笔灵AI推出专为学术场景设计的PPT优化功能（），精准解决“逻辑散、视觉乱、AI痕”三大难题。内容：检查每页是否有“核心论点+论据+结论”闭环，用“5秒法则”自测：快速扫过页面，能否在5秒内抓住重点；技术：导出PDF防止字体错乱，备份源文件应对临时修改，用“演讲者视图”练习时控（确保5分钟讲完90%内容）；心态：对着镜子模拟答辩，用“STAR法则”回答追问（Situation背景→Task任务→Action行动→Result结果），避免紧张忘词。

EdwardAITooL的博客 1022

假期过后，你的元气值恢复了多少？（一）

作者：livan 来源：数据python战算法随着工作年限的增长，这一感觉似乎越来越明显，似乎一周七天里面最累的是周一——黑眼圈、惺忪眼、哈气连天，不自觉会想起曾经那...

数据森麟 260

JSP灾难应急信息分享与在线救助系统b0e1o（程序+源码+数据库+调试部署+开发环境）

近年来，全球气候变化加剧导致自然灾害频发（如地震、洪水、台风），传统应急管理模式依赖政府单向指挥与线下救援，存在信息传递滞后、资源调配低效、受灾群众自救能力不足等问题。尤其在突发灾难初期，黄金救援时间内信息孤岛现象严重，导致生命财产损失扩大。开发一套基于互联网的灾难应急信息分享与在线救助系统，通过整合多源数据、众包信息采集与智能匹配算法，可实现灾情实时共享、救援资源精准对接与自救知识普及，对提升社会应急响应能力、构建韧性城市具有重要现实意义。

sheji6794的博客 787
上一篇： 调研内容（算法相关--MDP）
下一篇： 调研内容（算法相关-VC维、机器学习的可能性）
点赞 0
评论 0
书签 书签 0
Raecing
Raecing
博客等级 码龄12年 11粉丝 34原创
+ 关注 专栏目录 订阅专栏
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值