首页
短视频去水印
文件下载
根据地址查询经纬度
登录 / 注册
一级分类:
安全技术
存储
操作系统
服务器应用
行业
课程资源
开发技术
考试认证
数据库
网络技术
信息化
移动开发
云计算
大数据
跨平台
音视频
游戏开发
人工智能
区块链
二级分类:
Hands-OnUnsupervisedLearningUsingPython-AnkurA.Patel.pdf
许多行业专家认为,无人监督学习人工智能的下一个前沿,这可能是人工智能研究的关键,即所谓的一般人工智能。
由于世界上大多数数据都没有标记,因此无法应用传统的监督学习;这就是无监督学习的用武之地。
无监督学习可以应用于未标记的数据集,以发现埋藏在数据深处的有意义的模式,人类几乎不可能发现这些模式。
作者AnkurPatel使用两个简单的,生产就绪的Python框架-scikit-learn和使用Keras的TensorFlow,提供了有关如何应用无监督学习的实用知识。
通过提供实际操作示例和代码,您将识别难以发现的数据模式,获得更深入的业务洞察力,检测异常,执行自动特征工程和选择,以及生成合成数据集。
您只需要编程和一些机器学习经验即可开始使用。
2023/9/19 21:43:25
5.69MB
深度学习
Python
1
vae,autoencoderpython实现
AutoEncoder是深度学习的另外一个重要内容,并且非常有意思,神经网络通过大量数据集,进行end-to-end的训练,不断提高其精确率,而AutoEncoder通过设计encode和decode过程使输入和输出越来越接近,是一种无监督学习过程。
2018/9/21 5:36:05
10KB
实现
python
autoencoder
vae
1
模式识别第4版(中文版+英文版+PPT源码)
《模式识别(第四版)》是2010年电子工业出版社出版的图书,作者是西奥多里蒂斯。
本书由模式识别领域的两位顶级专家合著,全面阐述了模式识别的基础理论、最新方法、以及各种应用。
作 者:(希)SergiosTheodoridis/(希)KonstantinosKoutroumbas,李晶皎等译第1章导论1.1模式识别的重要性1.2特征、特征向量和分类器1.3有监督、无监督和半监督学习1.4MATLAB程序1.5本书的内容安排第2章基于贝叶斯决策理论的分类器2.1引言2.2贝叶斯决策理论2.3判别函数和决策面2.4正态分布的贝叶斯分类2.5未知概率密度函数的估计2.6最近邻规则2.7贝叶斯网络习题MATLAB编程和练习参考文献第3章线性分类器3.1引言3.2线性判别函数和决策超平面3.3感知器算法3.4最小二乘法3.5均方估计的回顾3.6逻辑识别3.7支持向量机习题MATLAB编程和练习参考文献第4章非线性分类器4.1引言4.2异或问题4.3两层感知器4.4三层感知器4.5基于训练集准确分类的算法4.6反向传播算法4.7反向传播算法的改进4.8代价函数选择4.9神经网络大小的选择4.10仿真实例4.11具有权值共享的网络4.12线性分类器的推广4.13线性二分法中1维空间的容量4.14多项式分类器4.15径向基函数网络4.16通用逼近4.17概率神经元网络4.18支持向量机:非线性格况4.19超越SVM的范例4.20决策树4.21合并分类器4.22合并分类器的增强法4.23类的不平衡问题4.24讨论习题MATLAB编程和练习参考文献第5章特征选择5.1引言5.2预处理5.3峰值现象5.4基于统计假设检验的特征选择5.5接收机操作特性(ROC)曲线5.6类可分性测量5.7特征子集的选择5.8最优特征生成5.9神经网络和特征生成/选择5.10推广理论的提示5.11贝叶斯信息准则习题MATLAB编程和练习参考文献第6章特征生成I:线性变换6.1引言6.2基本向量和图像6.3Karhunen-Loève变换6.4奇异值分解6.5独立成分分析6.6非负矩阵因子分解6.7非线性维数降低6.8离散傅里叶变换(DFT)6.9离散正弦和余弦变换6.10Hadamard变换6.11Haar变换6.12回顾Haar展开式6.13离散时间小波变换(DTWT)6.14多分辨解释6.15小波包6.16二维推广简介6.17应用习题MATLAB编程和练习参考文献第7章特征生成II7.1引言7.2区域特征7.3字符形状和大小的特征7.4分形概述7.5语音和声音分类的典型特征习题MATLAB编程和练习参考文献第8章模板匹配8.1引言8.2基于最优路径搜索技术的测度8.3基于相关的测度8.4可变形的模板模型8.5基于内容的信息检索:相关反馈习题MATLAB编程和练习参考文献第9章上下文相关分类9.1引言9.2贝叶斯分类器9.3马尔可夫链模型9.4Viterbi算法9.5信道均衡9.6隐马尔可夫模型9.7状态驻留的HMM9.8用神经网络训练马尔可夫模型9.9马尔可夫随机场的讨论习题MATLAB编程和练习参考文献第10章监督学习:尾声10.1引言10.2误差计算方法10.3探讨有限数据集的大小10.4医学图像实例研究10.5半监督学习习题参考文献第11章聚类:基本概念11.1引言11.2近邻测度习题参考文献第12章聚类算法I:顺序算法12.1引言12.2聚类算法的种类12.3顺序聚类算法12.4BSAS的改进12.5两个阈值的顺序方法12.6改进阶段12.7神经网络的实现习题MATLAB编程和练习参考文献第13章聚类算法II:层次算法13.1引言13.2合并算法13.3cophenetic矩阵13.4分裂算法13.5用于大数据集的层次算法13.6最佳聚类数的选择习题MATLAB编程和练习参考文献第14章聚类算法III:基于函数最优方法14.1引言14.2混合分解方法14.3模糊聚类算法14.4可能性聚类14.5硬聚类算法14.6向量量化附录习题MATLAB编程和练习参考文献第15
2016/1/18 19:48:46
95.69MB
模式识别
1
模式识别第4版(中文版+英文版+PPT源码)
《模式识别(第四版)》是2010年电子工业出版社出版的图书,作者是西奥多里蒂斯。
本书由模式识别领域的两位顶级专家合著,全面阐述了模式识别的基础理论、最新方法、以及各种应用。
作 者:(希)SergiosTheodoridis/(希)KonstantinosKoutroumbas,李晶皎等译第1章导论1.1模式识别的重要性1.2特征、特征向量和分类器1.3有监督、无监督和半监督学习1.4MATLAB程序1.5本书的内容安排第2章基于贝叶斯决策理论的分类器2.1引言2.2贝叶斯决策理论2.3判别函数和决策面2.4正态分布的贝叶斯分类2.5未知概率密度函数的估计2.6最近邻规则2.7贝叶斯网络习题MATLAB编程和练习参考文献第3章线性分类器3.1引言3.2线性判别函数和决策超平面3.3感知器算法3.4最小二乘法3.5均方估计的回顾3.6逻辑识别3.7支持向量机习题MATLAB编程和练习参考文献第4章非线性分类器4.1引言4.2异或问题4.3两层感知器4.4三层感知器4.5基于训练集准确分类的算法4.6反向传播算法4.7反向传播算法的改进4.8代价函数选择4.9神经网络大小的选择4.10仿真实例4.11具有权值共享的网络4.12线性分类器的推广4.13线性二分法中1维空间的容量4.14多项式分类器4.15径向基函数网络4.16通用逼近4.17概率神经元网络4.18支持向量机:非线性格况4.19超越SVM的范例4.20决策树4.21合并分类器4.22合并分类器的增强法4.23类的不平衡问题4.24讨论习题MATLAB编程和练习参考文献第5章特征选择5.1引言5.2预处理5.3峰值现象5.4基于统计假设检验的特征选择5.5接收机操作特性(ROC)曲线5.6类可分性测量5.7特征子集的选择5.8最优特征生成5.9神经网络和特征生成/选择5.10推广理论的提示5.11贝叶斯信息准则习题MATLAB编程和练习参考文献第6章特征生成I:线性变换6.1引言6.2基本向量和图像6.3Karhunen-Loève变换6.4奇异值分解6.5独立成分分析6.6非负矩阵因子分解6.7非线性维数降低6.8离散傅里叶变换(DFT)6.9离散正弦和余弦变换6.10Hadamard变换6.11Haar变换6.12回顾Haar展开式6.13离散时间小波变换(DTWT)6.14多分辨解释6.15小波包6.16二维推广简介6.17应用习题MATLAB编程和练习参考文献第7章特征生成II7.1引言7.2区域特征7.3字符形状和大小的特征7.4分形概述7.5语音和声音分类的典型特征习题MATLAB编程和练习参考文献第8章模板匹配8.1引言8.2基于最优路径搜索技术的测度8.3基于相关的测度8.4可变形的模板模型8.5基于内容的信息检索:相关反馈习题MATLAB编程和练习参考文献第9章上下文相关分类9.1引言9.2贝叶斯分类器9.3马尔可夫链模型9.4Viterbi算法9.5信道均衡9.6隐马尔可夫模型9.7状态驻留的HMM9.8用神经网络训练马尔可夫模型9.9马尔可夫随机场的讨论习题MATLAB编程和练习参考文献第10章监督学习:尾声10.1引言10.2误差计算方法10.3探讨有限数据集的大小10.4医学图像实例研究10.5半监督学习习题参考文献第11章聚类:基本概念11.1引言11.2近邻测度习题参考文献第12章聚类算法I:顺序算法12.1引言12.2聚类算法的种类12.3顺序聚类算法12.4BSAS的改进12.5两个阈值的顺序方法12.6改进阶段12.7神经网络的实现习题MATLAB编程和练习参考文献第13章聚类算法II:层次算法13.1引言13.2合并算法13.3cophenetic矩阵13.4分裂算法13.5用于大数据集的层次算法13.6最佳聚类数的选择习题MATLAB编程和练习参考文献第14章聚类算法III:基于函数最优方法14.1引言14.2混合分解方法14.3模糊聚类算法14.4可能性聚类14.5硬聚类算法14.6向量量化附录习题MATLAB编程和练习参考文献第15
2016/1/18 19:48:46
95.69MB
模式识别
1
PARZEN窗和K近邻算法的python实现
PARZEN窗和K近邻算法的python实现。
现实生活中常常会有这样的问题:缺乏足够的先验知识,因此难以人工标注类别或进行人工类别标注的成本太高。
很自然地,我们希望计算机能代我们完成这些工作,或至少提供一些协助。
根据类别未知(没有被标记)的训练样本解决模式识别中的各种问题,称之为无监督学习。
2018/4/1 16:42:07
5KB
PARZEN
K近邻
无监督参数估计
1
Spark平台下基于协同过滤算法的实时电影推荐系统源代码
基于深度学习的监督学习,使用梯度下降、ALS、LFM算法,使用AngularJS2生成前端框架,数据库为MongoDB,使用ElasticSearch作为搜索服务器,Redis作为缓存数据库,其中包括Spark的离线统计服务、Azkaban的工作调度服务、Flume的日志采集服务、Kafka作为消息缓冲服务,全局采用Scala编写,Java作为Tomcat部署使用,实现离线推荐、实时推荐、服务器冷启动问题处理。
2022/10/2 17:45:33
250.79MB
Spark
电影推荐系统
协同过滤
Hadoop
1
《机器学习》课件、数据和源代码
机器学习是计算机科学以及信号信息处理领域中重要的热点研究领域,在多个领域(数据挖掘、大数据分析、视频技术、音频技术、智能机器人技术等)成为关键核心和支撑技术。
这里提供的课件和代码包含了学生需要了解的主流的机器学习理论、方法及算法,并结合应用范例协助学生掌握监督学习、非监督学习、统计学习、计算学习、贝叶斯学习等基本学习的理论、模型算法及应用。
2018/1/9 4:50:30
22.89MB
人工智能
监督学习
源代码
算法
1
常用数据挖掘算法总结及Python实现文字版+code
本书适合有志于从事数据挖掘的初学者,需求的朋友可看看第一部分数据挖掘与机器学习数学基础3第一章机器学习的统计基础3第二章探索性数据分析(EDA).11第二部分机器学习概述14第三章机器学习概述14第三部分监督学习---分类与回归16第四章KNN(k最邻近分类算法)16第五章决策树19第六章朴素贝叶斯分类29第七章Logistic回归.32第八章SVM支持向量机42第九章集成学习(EsembleLearning)43第十一章模型评估46第四部分非监督学习---聚类与关联分析50第十二章Kmeans聚类分析.50第十三章关联分析Apriori.52第十四章数据预处理之数据降维54第五部分Python数据预处理.57第十五章Python数据分析基础.57第十六章Python进行数据清洗.77第六部分数据结构与算法82第七部分SQL知识.86第八部分数据挖掘案例分析87案例一AJourneythroughTitanic597c770e.87案例二Analysisforairplane-crashes-since-190894案例三贷款预测问题98案例四KNN算法实现葡萄酒价格模型预测及交叉验证107
2015/1/23 5:02:50
4.4MB
python
数据挖掘
算法
1
基于特征选择的推荐系统托攻击检测算法
基于协同过滤的电子商务推荐系统极易遭到托攻击,托攻击者注入伪造的用户模型增加或减少目标对象的推荐频率,如何检测托攻击是目前推荐系统领域的热点研究课题.分析五种类型托攻击对不同协同过滤算法产生的危害性,提出一种特征选择算法,为不同类型托攻击选取有效的检测指标.基于选择出的指标,提出两种基于监督学习的托攻击检测算法,第一种算法基于朴素贝叶斯分类;第二种算法基于k近邻分类.最后,通过实验验证了特征选择算法的有效性,及两种算法的灵敏性和特效性.
2015/6/8 3:22:33
1.36MB
推荐系统;
托攻击检测;
特征选择;
朴素贝叶斯分类;
1
机器学习总结(包括分类,流程,常见误差,常见的机器学习算法)
一、机器学习的分类:监督学习(supervisedlearning):线性回归,逻辑回归,KNN,神经网络,决策树,集成学习,SVM,贝叶斯,协同过滤,LDA无监督学习(unsupervisedlearning):聚类、关联规则,PCA降维……二、机器学习中主要处理问题包括:分类,回归,聚类,降维……
2018/1/7 4:29:10
9KB
机器学习
理论总结
1
共 21 条记录
首页
上一页
下一页
尾页
钉钉无人值守自动打卡脚本 永不迟到的神器 安卓和苹果教程
New!
在日常工作中,钉钉打卡成了我生活中不可或缺的一部分。然而,有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚,我总是得牢记打开钉钉应用,点击"工作台",再找到"考勤打卡"进行签到。有时候因为工作忙碌,会忘记打卡,导致考勤异常,影响当月的工作评价。而且,由于我使用的是苹果手机,有时候系统更新后,钉钉的某些功能会出现异常,使得打卡变得更加麻烦。 另外,我的家人使用的是安卓手机,他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说,每次打卡都是一次挑战。他们总是担心自己会操作失误,导致打卡失败。 为了解决这些烦恼,我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习,我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB
钉钉
钉钉打卡
个人信息
点我去登录or注册
|
微信登录
一言
热门下载
CNS2_CN_VW_P0095D_0332.7z
几何画板课件350套.zip
ABAQUS金属非稳态和稳态切削过程的模拟分析_张东进.pdf
ENVI去云补丁Haze_tool文件及其使用说明和安装方法
HTML5+CSS3中文参考手册(3手册)chm版中文参考手册打包
Android控件GridView之仿支付宝钱包首页带有分割线的GridView九宫格的完满实现
超声随心所欲xp版.rar
软件开发文档书写规范
分形维数MATLAB程序
拾荒者扫描器.zip
南天东华BP8903IRH-N双界面IC卡读写机驱动(driver)
东芝T888零碎操作手册
ADCSPI配置FPGA代码
NavicatPremiumforMacv12.0.22.0
二维声波高阶有限差分地震波场模仿
最新下载
网狐数据库储存过程解密工具
铁电PDFfm25)cl04铁电(中文数据手册
做射频门禁。RFID都可以用上。智能安全RFID门禁
4-4存储管理-PPT
kingfish404.github.io:我的个人博客-源码
文具销售网站
康熙字典mysql
EDA实验模可变计数器设计程序,已通过
图像缩放之双立方插值matlab实现
3路抢答器的multisim仿真
NXP飞思卡尔TPMS方案胎压方案四轮自定位原理及算法
VC++实现动态捆绑EXE文件
github上tensorflow-master源码
computerandrobotvision
AGV调度系统地图建模参考文件c++
其他资源
弱口令扫描器tomcat
javamail可以指定附件和要上传的文件目录
Unity3D益智游戏《解锁黑客》源码
javajsp毕业设计教室借用管理零碎
人工智能实验四
炫龙T1BIOS2016年更新补丁
opc使用法度圭表标准入门,学习OPC的必备
miniolinux效劳
人民陪审员候选人随机抽选系统
可设置的参数列表_MSP20.xls
Hacking-TheArtofExploitation(2nd)高清无水印版
降龙99财务软件
tensorflow-master.zip
springboot集成kafka
飞思卡尔BDM驱动,WIN10可用
第8章++T-s模糊模型研究v1.ppt
JlinkV5.12
工程电磁场第7版威廉.H.海特
arcgis景观空间格局分析插件PatchAnalyst
2份BPSK调制解调仿真的MATLAB代码,其中MATLAB的M文件写在WORD里,还有一个SIMULINK仿真的,包括调制解调,和误码率仿真,可以运行