- 博客(13)
- 收藏
- 关注
RSS订阅原创 【计算智能】模糊聚类实现鸢尾花分类问题
FUZZY c-MEANS 算法硬聚类（hard clustering），把数据点划分到确切的某一聚类中，如K-均值聚类。而模糊聚类（亦称软聚类，soft clustering）中，数据点则可能归属于不止一个聚类中，并且这些聚类与数据点通过一个成员水平（实际上类似于模糊集合中隶属度的概念）联系起来。成员水平显示了数据点与某一聚类之间的联系有多强。模糊聚类就是计算这些成员水平，按照成员水平来决定数据点属于哪一个或哪些聚类的过程。1、隶属度函数隶属度函数 是表示一个对象 x 隶属于集合 A 的程度的函数，
2020-11-01 17:04:25
2220
6
原创 【计算智能】模糊分类与聚类
模糊分类与聚类基于规则的分类规则的学习【例】基于模糊逻辑的图像边缘提取1 图像边缘简介2**边缘提取的核心思想**：3 基于模糊逻辑的图像边缘提取模糊聚类模糊k-均值聚类k-均值聚类模糊k-均值聚类区别和联系模糊k-均值聚类特点：模糊分类分类在多元文本分类中的应用模式识别方法的选择取决于对象的特征和问题的性质，模糊分类采用模糊数学语言对事物按照规则或隶属度进行描述和分类.非参数分类方法——以类别隶属度表达特征属于某一类别的程度基于经验规则而不具有自学习的特征模糊分类简单实用，方法的局限性限制了
2020-10-27 21:12:28
4479
1
原创 numpy学习笔记（四）逻辑函数
逻辑函数真值测试numpy.allnumpy.anynumpy.all(a, axis=None, out=None, keepdims=np._NoValue) Test whether all array elements along a given axis evaluate to True.numpy.any(a, axis=None, out=None, keepdims=np._NoValue) Test whether any array element along a given
2020-10-26 20:52:10
734
1
原创 numpy学习笔记（四）数学函数
这里写目录标题向量化和广播数学函数算数运算numpy.addnumpy.subtractnumpy.multiplynumpy.dividenumpy.floor_dividenumpy.powernumpy.sqrtnumpy.square三角函数numpy.sinnumpy.cosnumpy.tannumpy.arcsinnumpy.arccosnumpy.arctan指数和对数numpy.expnumpy.lognumpy.exp2numpy.log2numpy.log10加法函数、乘法函数numpy
2020-10-26 20:49:59
813
3
原创 numpy学习笔记（三）数组操作
numpy数组操作更改形状数组转置更改维度数组组合数组拆分数组平铺添加和删除元素更改形状在对数组进行操作时，为了满足格式和计算的要求通常会改变其形状。numpy.ndarray.shape表示数组的维度，返回一个元组，这个元组的长度就是维度的数目，即 ndim 属性(秩)。【例】通过修改 shap 属性来改变数组的形状。import numpy as npx = np.array([1, 2, 9, 4, 5, 6, 7, 8])print(x.shape) # (8,)x.shap
2020-10-25 21:36:18
157
2
原创 【模式识别】隐马尔可夫模型（HMM）
隐马尔可夫模型（HMM）这里写目录标题隐马尔可夫模型（HMM）引言HMM模型定义模型两个假设HMM解决的三个基本问题1、Evaluation问题2、Learning问题3、Decoding问题Evaluation问题求解（前向算法和后向算法）前向算法引言机器学习领域分为两个流派：频率派和贝叶斯派。频率派逐渐发展为统计机器学习学科，其核心问题为优化问题。定义出定义一个模型，计算损失函数，再通过随机梯度下降、牛顿拟牛顿法等最优化方法进行求解。贝叶斯派发展出概率图模型，最终解决的是推断问题，通过计算后验概率
2020-10-24 00:43:00
1956
1
原创 numpy学习笔记（二）索引、切片、副本、视图、迭代
numpy中的索引、切片、副本、视图、迭代操作索引与切片整数索引切片索引dots 索引整数数组索引numpy. take(a, indices, axis=None, out=None, mode='raise')`布尔索引副本与视图numpy.ndarray.copy()数组迭代apply_along_axis(func1d, axis, arr, *args, **kwargs)索引与切片数组索引机制指的是用方括号（[]）加序号的形式引用单个数组元素，它的用处很多，比如抽取元素，选取数组的几个元素，
2020-10-22 00:14:46
242
1
原创 【模式识别、朴素贝叶斯方法】贝叶斯估计
引言参数估计问题是统计学中非常经典的问题，对于此类问题，我们将主要讨论两种最常用和很有效的方法,也就是:最大似然估计和贝叶斯估计。最大似然估计(MLE)与最大后验概率估计(MAP)非常相似，具体内容可查看：【模式识别、朴素贝叶斯方法】最大似然估计（MLE）、最大后验概率估计（MAP）虽然说最大似然估计和贝叶斯估计方法得到的结果通常是很接近的,但这两个方法的本质却有很大差别。最大似然估计(和最大后验概率估计)把待估计的参数看作是确定性的量,只是其取值未知,最佳估计就是使得产生已观测到的样本(即训练样本)
2020-10-21 18:54:40
555
1
原创 【计算智能】模糊控制（一）模糊集合及其基本运算
模糊逻辑介绍模糊集基本定义和术语模糊集合定义隶属度和模糊化模糊集合的表示模糊集合基本运算模糊集合的交并补运算模糊关系模糊关系矩阵模糊关系合成模糊关系扩展原理介绍模糊逻辑是一种基于“真实度”而不是现代计算机所基于的“对或错”（1或0）布尔逻辑的计算方法。模糊逻辑思想最早由加州大学伯克利分校的Lotfi Zadeh博士首先提出。Zadeh博士在研究计算机对自然语言的理解问题时，理解自然语言（正如生活中大多数其他活动，甚至是宇宙中的大多数其他活动一样）不容易转换为0和1的绝对项。（是否最终可以用二进制形式描
2020-10-20 22:12:06
18400
9
原创 【模式识别】期望最大化算法（EM算法）
这里写目录标题引言EM算法EM算法流程：算法解释总结引言概率模型的参数估计方法（包括最大似然估计、最大后验概率估计以及贝叶斯估计）适用于概率模型中的变量均为观测变量的情况。当模型中含有隐变量时（例如：样本点的某些特征丢失或隐变量不可观测的情况下），这些方法便失去作用。**EM算法就是解决含有隐变量的概率模型参数的最大似然估计法。**EM算法的核心就是根据已有的数据递归估计似然函数。EM算法EM算法流程：输入：观测变量数据Y，隐变量数据Z，联合分布P（Y，Z|θ），条件分布P（Z|Y，θ）；输出：
2020-10-20 14:06:50
636
1
原创 【模式识别、朴素贝叶斯方法】最大似然估计（MLE）、最大后验概率估计（MAP）
引言 贝叶斯公式中依据先验概率P(ωi)P(\omega_i)P(ωi)和类条件概率密度P(X∣ωi)P(X|\omega_i)P(X∣ωi)求得后验概率。贝叶斯决策论核心思想是非常简单，为了最小化风险，选择后验概率最大的类别（最小化误差概率）来设计最优分类器。但在实际应用中我的能获取的样本数据只有有限条且先验概率以及类条件概率均无法得知。在实际问题中，我们需要根据已有的数据设计出正确的分类器。 一个朴素的想法是利用手中的训练样本来估计问题中涉及到的先验概率及类条件概率密度函
2020-10-20 00:18:57
1003
1
原创 numpy学习笔记（二）ndarray对象数组的创建
数组的创建导入 numpy。import numpy as np作为 python 中list列表的扩展numpy 中提供的最重要的数据结构是ndarray。1. 依据现有数据来创建 ndarray依据现有数据创建数组方式包括（a）通过array()函数进行创建；（b）通过asarray()函数进行创建；（c）通过fromfunction()函数进行创建。具体内容如下（a）通过array()函数进行创建。array(object, dtype=None, copy=True, order=N
2020-10-19 23:52:40
1758
1
原创 numpy学习笔记（一）常量、数据类型、时间日期操作
numpy学习笔记（一）常量、数据类型、时间日期numpy 简介 NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库，是数据科学应用中非常强大且方便易用的程序库。 Numpy主要用于数组计算的基本功能包括：(a)数组的算数和逻辑运算;(b)傅立叶变换和用于图形操作的例程;©与线性代数有关的操作。 NumPy 拥有线性代数和随机数生成的内置函数。同时，结合SciPy（S
2020-10-19 23:47:00
1223
1
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