ahbcwin

0

1 随机选取最基本的方法，会导致一个局部最优解问题（将一个比较大的簇分裂，同时将两个较小的簇进行合并）。2 层次聚类通过层次聚类，划分k个层次，计算出每个簇对应的质心作为K-Means算法的初始质心。3 K-Means++第一个质心是随机选择的，接下来的质心基于样本点与最近质心的距离，距离越大越可能被选为下一个质心，直到选择完k个质心。（无法解决离群点问题。）...

KNN（有监督）KNN意在，给出一个待测试点，在一定范围内通过某种距离度量，计算出离待测试点最近的K个点中占多数的点的类别。K-means（无监督）K-means简单说明，给出一堆数据，初始化2个中心点位置A、B；1、依次计算每个样本点到A和B的距离，距离A近的归为A类，距离B近的归为B类；2、计算出新的A、B类的中心点，更新A、B到A′A^{'}A′ 和 B′B^{'}B′；3、...

1 基于直方图

IOU评价函数交并比预测框（bounding box）和真实框（ground truth）的交并比。

One StageRCNN：一张图像生成1K~2K个候选区域对每个候选区域，使用深度网络提取特征特征送入每一类的SVM分类器，判别是否属于该类使用回归器精细修正候选框位置Fast RCNN（R-CNN + SPPNet）：共享卷积RoI pooling layer（max）Faster RCNN：RPN（自动产生候选框）Two Stages：YOLOSSD...