密度估计

(CVPR 2019) PointConv: Deep Convolutional Networks on 3D Point Clouds

对于给定的点，权函数通过多层感知器网络和密度函数通过核密度估计来学习。这项工作最重要的贡献是提出了一种
fish小余儿·2022-09-06 07:16

深度自编码高斯混合模型无监督异常检测

针对这种情况，提出了降维的需求，将高维数据降维，然后在低纬度对其进行密度估计。
qq_40832034·2022-09-04 07:07

Paddle CrowdNet 人群密度估计

PaddleCrowdNet人群密度估计导语密度图如何制作crowd数据集制作Crowd数据集将图片合成视频将视频切分成图片在图片上进行标注将txt文件转位mat文件Paddle实现将数据集加入到datacreate_list.py
姜君泽·2022-07-22 11:59

【Python数据分析】之可视化Seaborn库

文章目录前言系列文章Seaborn绘制统计图形一、直方图二、核密度估计曲线三、绘制散布图绘制双变量分布四、绘制二维直方图五、核密度估计绘制成对的双变量分布六、多个成对的双变量分布前言Python数据分析结课了
陌小柠·2022-06-04 05:18

深度学习：人群密度估计CSRNet(cvpr 2018)论文源代码详解

写在前面大二上学期，刚从事DeepLearning的学习不久，《CSRNet:DilatedConvolutionalNeuralNetworksforUnderstandingtheHighlyCongestedScenes》是我所看的第一篇论文，CSRNet神经网络主要用于高密度人群图片的人数估计。前端直接使用预先训练好的VGG16神经网络，CSRNet采用了单分支的网络结构，以及用空洞卷积来
Jack和Tim是两个北方男孩·2022-05-30 07:17

[机器学习入门第九章]聚类

（其他还有密度估计，异常检测)聚类试图将数据划分成若干不相交的子集，每个子集称为“簇”（cluster)，其对应的标签需要人工标记。聚类既可以单独分析数据的内部分布结构，也可以作为分类的前驱。
带带二师兄·2022-05-14 15:07

机器学习中的一些常用概念

先验概率和后验概率先验分布、后验分布、似然函数核密度估计，用来估计未知的密度函数，属于非参数检验方法之一优化算法优化算法合集禁忌搜索遗
过动猿·2022-05-11 17:21

机器学习基础知识梳理

2、机器学习常见任务：a、分类b、输入缺失分类c、回归d、转录e、机器翻译f、结构化输出g、异常检测h、合成和采样i、缺失值填补j、去噪k、密度估计或概率质量函数估计3、性能度量：为了评估机器学习算法的能力
zpc1219·2022-04-20 07:29

python统计数据画概率曲线_[python常用图件绘制#04]核密度曲线图（峰值点显示）...

一、关于核密度估计带宽的一些说明进行核密度估计KernelDensityEstimation（KDE）时，带宽bw的选取尤为重要，不同的带宽会对结果造成很大的影响。
weixin_39794347·2022-03-24 07:52

python绘制概率密度曲线_[python常用图件绘制#04]核密度曲线图（峰值点显示）

一、关于核密度估计带宽的一些说明进行核密度估计KernelDensityEstimation(KDE)时，带宽bw的选取尤为重要，不同的带宽会对结果造成很大的影响。
weixin_39546312·2022-03-24 07:20

python-seaborn绘图-概率密度曲线

安装：直接pipkde（核密度估计）是对未知分布的估计，所以可能有超出去值范围的估计（比如下图我定义的有效范围是0-180，但kde在180时仍然有曲线）。
陆沙·2022-03-24 07:44

机器学习基础：交叉熵损失（Machine Learning Fundamentals: Cross Entropy Loss）

前言交叉熵损失函数是分类问题里面一个非常常用的函数，本文就其物理意义进行两方面解读，一是从信息论的角度，另一个是从概率密度估计的角度来讲。
我就是王钢蛋·2022-03-16 07:32

机器学习_深度学习毕设题目汇总——交通

下面是该类的一些题目：题目交通标志检测与识别研究交通路口异常事件检测及识别技术研究城市道路交通信号区域均衡控制方法及应用研究城市道路交通网络动态特征分析关键技术研究基于卷积神经网络的交通密度估计及车辆检测方法研究基于图傅里叶变换和深度学习的短时交通流预测方法研究基于深度学习的交通时间预测模型与方法研究基于深度学习的交通流运行风险评估方法研究基于深度学习的交通流量预测及乳糜泻病定量分析研究与应用基于
MetaGrad·2022-03-04 07:32

普林斯顿Stata教程之Stata做图

标题，图例和说明2.1.5轴标尺和标签2.2线图2.2.1简单的线图2.2.2标题和图例2.2.3线条样式2.2.4标度选项2.2.5图形方案2.3其他图形2.3.1条形图2.3.2箱线图2.3.3核密度估计
谢作翰·2022-02-18 01:11

R语言学习笔记2020年12月3日

polygon函数:1.使用polygon进行纯色填充;2.使用polygon进行阴影线填充density(,na.rm=T)——概率密度函数（核密度估计，非参数估计方法），用已知样本估计其密度,作图为
啵啵能量星·2022-02-16 10:25

KDE BANDWITH II

每个点都有一个核函数，如选定高斯核函数，核函数下面积为1>>>离的近的点概率高>>>每个点的核密度累加>>>累加出的曲线下的面积为点的数量，除以点的数量就实现了，曲线下面积的归一化已知n个点，使用概率密度估计求整体的概率密度分布
麒麟楚庄王·2022-02-13 22:53

ML Mastery 博客文章翻译 20220116 更新

MachineLearningMastery机器学习算法教程机器学习算法之旅利用隔离森林和核密度估计的异常检测机器学习中的装袋和随机森林集成算法从零开始实现机器学习算法的好处更好的朴素贝叶斯：从朴素贝叶斯算法中收益最大的
·2022-02-10 22:52

6.机器学习-高级绘图工具seaborn-简单、快捷

可视化数据的分布处理一组数据前，先了解变量分布情况对于单变量的数据，采用直方图或核密度曲线对于双变量，采用多面板图形展示，如：散点图、二维直方图、核密度估计图形等单变量-直方图displot(a,bins
CGOMG·2022-02-09 15:06

基于近似计算解决推断问题——变分推断（一）

利用近似计算来解决难计算的概率密度估计，是现代统计学中的一个惯用手段。这一方法在贝叶斯推断统计中尤为重要，以为贝叶斯统计将所有关于未知量的推断都构建为涉及后验概率的计算。
三分钟湿度·2021-10-02 16:08

拓端tecdat|R语言贝叶斯非参数模型：密度估计、非参数化随机效应meta分析心肌梗死数据

在这篇文章中，我们通过展示如何使用具有不同内核的非参数混合模型进行密度估计。在后面的文章中，我们将采用参数化的广义线性混合模型，并展示如何切换到非参数化的随机效应表示，避免了正态分布的随机效应假设。
·2021-09-14 17:26

手把手带你快速入门超越GAN的Normalizing Flow

密度估计、异常检测、文本总结、数据聚类、生物信息学、DNA建模等各方面的应用均需要完成这项任务。多年来，研究人员发明了
·2021-09-07 17:44

SKLearn 手写数字识别(Recognizing hand-written digits)

分类1)监督学习：i)分类；ii)回归2)无监督学习：i)聚类；ii)密度估计；iii)数据可视化。
甯谧·2021-06-09 21:06

seaborn高级应用

一、单变量分析绘图1、在seaborn里最常用的观察单变量分布的函数是distplot()，默认地，这个函数会绘制一个直方图，并拟合一个核密度估计。
mhslwm·2021-06-06 23:58

模式识别——3 概率密度函数的估计

最大似然估计的基本原理3.2.2最大似然估计的求解3.2.3正态分布下的最大似然估计3.3贝叶斯估计与贝叶斯学习3.3.1贝叶斯估计3.3.2贝叶斯学习3.3.3正态分布时的贝叶斯估计3.3.4其它分布的情况3.4概率密度估计的非参数方法
米妮爱分享·2021-06-06 11:03

Seaborn教程（2）可视化数据集的分布

pairwiserelationship1.单元分布sns.distplot()直方图（hist）+内核密度函数（kde）在seaborn中最简便查看单元分布的函数是distplot().该函数默认绘制直方图并拟合内核密度估计
soda哒哒·2021-05-05 23:37

数据科学学习之探索性数据分析（EDA）

目录前言1.什么是结构化数据2.矩形数据3.位置估计4.变异性估计5.探索数据分布5.1百分位数和箱形图5.2频数表和直方图5.3密度估计6.探索分类数据6.1众数和期望值6.2条形
初飞墨·2021-05-03 11:18

监督学习——分类（基于似然的方法）

基于判别式的方法）（参数方法——判别式参数估计）第四部分监督学习——回归第五部分监督学习——关联规则第六部分维度规约（特征的提取和组合）第七部分半参数方法第八部分非监督学习——聚类第九部分非参数方法——密度估计第十部分非参数方法
有机会一起种地OT·2021-05-02 03:02

参数方法——类密度模型参数的估计

基于判别式的方法）（参数方法——判别式参数估计）第四部分监督学习——回归第五部分监督学习——关联规则第六部分维度规约（特征的提取和组合）第七部分半参数方法第八部分非监督学习——聚类第九部分非参数方法——密度估计第十部分非参数方法
有机会一起种地OT·2021-04-27 04:08

概率密度估计之Parzen Window

kerneldensityestimation是在概率论中用来估计未知的密度函数，属于非参数检验方法之一，由Rosenblatt(1955)和EmanuelParzen(1962)提出，又名Parzen窗（Parzenwindow）本文翻译自英国雷丁大学（ReadingUniversity）XiaHong老师的讲义材料1概率密度函数连续概率函数p(x)p(x)p(x)的数学定义满足以下特性：xxx
洌泉_就这样吧·2021-04-26 19:30

隐马尔科夫模型

基于判别式的方法）（参数方法——判别式参数估计）第四部分监督学习——回归第五部分监督学习——关联规则第六部分维度规约（特征的提取和组合）第七部分半参数方法第八部分非监督学习——聚类第九部分非参数方法——密度估计第十部分非参数方法
有机会一起种地OT·2021-04-24 18:36

机器学习理论基础

基于判别式的方法）（参数方法——判别式参数估计）第四部分监督学习——回归第五部分监督学习——关联规则第六部分维度规约（特征的提取和组合）第七部分半参数方法第八部分非监督学习——聚类第九部分非参数方法——密度估计第十部分非参数方法
有机会一起种地OT·2021-04-22 10:33

Fully Convolutional Crowd Counting On Highly Congested Scenes阅读笔记

,McguinnessK,LittleS,etal.FullyConvolutionalCrowdCountingOnHighlyCongestedScenes[J].2016.本文使用FCN来做人群密度估计
X_xxieRiemann·2021-04-21 05:13

Python 数据可视化：Matplotlib 使用详解

plot和scatter对比：性能提醒3.误差可视化基础误差条连续误差4.密度和轮廓图三维可视化函数5.直方图，分桶和密度二维直方图和分桶plt.hist2d：二维直方图plt.hexbin：六角形分桶核密度估计
日常君·2021-04-19 15:50

小提琴图解读和绘制

外部形状即为核密度估计（在概率论中用来估计未知的密度函数，属于非参数检验方法之一）。
斗战胜佛oh·2021-01-05 11:31

AAAI 2021 | 腾讯优图11篇论文入选，涵盖动作识别、人群密度估计、人脸安全等领域...

本文转载自腾讯优图近日，国际人工智能顶级会议AAAI2021公布了论文录取结果。AAAI是人工智能领域最悠久、涵盖内容最为广泛的国际顶级学术会议之一。AAAI2021一共收到9034篇论文提交，其中有效审稿的数量为7911篇，最终录取数量为1692篇，录取率为21.4%。AAAI(AssociationfortheAdvanceofArtificialIntelligence),即美国人工智能协会
OpenCV中文网公众号·2020-12-11 21:00

单层决策树python_《机器学习实战》

多个特征联系在一起共同组成一个训练样本知识表示，计算机算法通过学习获得的知识，某些算法可以产生很容易理解的知识表示，而某些算法的知识表示也许只能为计算机所理解1.3主要任务分类回归，预测数值型数据聚类密度估计
weixin_39968309·2020-12-11 17:52

python概率密度函数参数估计_概率密度估计介绍

在学概率论时，常常会看到各种稀奇古怪的名字，有的书上只介绍了该如何求解，但是从不介绍为什么这么叫以及有什么用，本文就介绍一下概率密度估计是什么以及是干什么用的,主要参考JasonBrownLee大神的一篇博文进行介绍
weixin_39829073·2020-12-10 11:32

基于OpenCV C++绘制直方图

直方图是变量分布的统计图形表示，它让我们能够理解数据的密度估计和概率分布。直方图是通过将整个变量值范围划分为小的值范围，然后计算每个间隔中落入多少个值来创建的。
Doctor_Chen.·2020-11-21 21:37

深度学习：人群密度估计Residual Regression和Semantic Prior论文（CVPR2019）解读

最近看了一篇新的CVPR2019论文，全名是《ResidualRegressionwithSemanticPriorforCrowdCounting》，这篇paper基于时下表现最优秀的两个网络MCNN和CSRNet之上提出了几个能够进一步提升准确率的trick。摘要论文中提到了，之前的网络都仅专注于基于一张图片来生成它的密度图，而忽略了不同图片之间的联系，这些联系是值得网络学习，并且能够有效提升
Jack和Tim是两个北方男孩·2020-10-11 16:29

Matplotlib&Seaborn绘图整理（基于Titanic数据集）【未完待续】

2数据预处理三、基于Titanic数据集的Matplotlib&Seaborn绘图1分布图绘制1.1displot（单变量绘制）1.2joinplot（双变量+单变量统一绘制）1.3kdeplot（核密度估计图
Mr_Napping·2020-09-17 03:40

高斯过程和机器学习1——高斯回归

一种是根据经验特点严格限制为莫一种模型和函数，比如用线性回归模型处理；另外一种就是更宽泛：给每一种函数模型一个先验概率，概率越大意味着越容易被我们采纳，意味它具有某种更好的性质，比如更为光滑（可以参考核密度估计的由来
Herbie_bhe·2020-09-15 05:44

[深度之眼机器学习训练营第四期]异常检测

密度估计如果随机变量XXX的概率分布函数满足f(x)=12πσexp⁡((x−μ)22σ2)f(x)=\frac{1}{\sqrt{2\pi}\sigma}\exp\left(\frac{(x-\mu)
nudt_oys·2020-09-14 22:19

机器学习-直方图和核密度估计（Kernel Density Estimates）

③直方图不是平滑的④直方图不能很好的处理极值核密度估计（KDE）完全没有上述的问题。构建KDE需要准备核函数：下面是常用的核函数图形和定义。
旺旺丫丫·2020-09-14 20:14

MATLAB中自带的核密度估计函数

我们在统计数据处理时，经常计算一个样本的概率密度估计，也就是说给出一组统计数据，要求你绘制出它的概率分布曲线，matlab的统计工具箱中有直接的函数就是：Ksdensity核心平滑密度估计[f,xi]=
追寻灯火阑珊·2020-09-14 02:10

机器学习——深度学习(Deep Learning)

KeyWords：有监督学习与无监督学习，分类、回归，密度估计、聚类，深度学习，SparseDBN，1.有监督学习和无监督学习给定一组数据(input，target)为Z=(X，Y)。
佳凝草堂·2020-09-13 05:15

聚类算法(2)--Mean Shift

目录meanshift算法理论基本的MeanShift向量形式sklearn参数python—sklearn实例演示PS：Meanshift算法是基于核密度估计的爬山算法，可用于聚类、图像分割、跟踪等，
Andy_shenzl·2020-09-11 21:33

《神经网络与深度学习》-无监督学习

无监督学习1.无监督特征学习1.1主成分分析1.2稀疏编码1.2.1训练方法1.2.2稀疏编码的优点1.3自编码器1.4稀疏自编码器1.5堆叠自编码器1.6降噪自编码器2.概率密度估计2.1参数密度估计
你电吴彦祖·2020-09-11 00:29

SAS 学习笔记（五）— SAS与基本统计分析

PROCFORMAT定义输出格式过程PROCFREQ频数过程（见六属性数据分析模块）PROCMEANS/PROCSUMMARY过程UNIVARIATE单变量过程TTEST检验过程CORR相关性分析过程KDE二元非参核密度估计
luminous_y·2020-09-10 17:01

《神经网络与深度学习》-深度生成模型

深度生成模型1.概率生成模型1.1密度估计1.2生成样本1.3应用于监督学习2.变分自编码器2.1含隐变量的生成模型2.2推断网络2.2.1推断网络的目标2.3生成网络2.3.1生成网络的目标2.4模型汇总
你电吴彦祖·2020-08-31 22:54

有理谱估计的参数化方法

显然，当假设模型与实际非常接近的情况下，参数化方法相对于非参数化方法能提供更为精确的谱估计值；但是，在研究信号的信息极少甚至没有的应用中，功率谱密度估计的非参数化方法仍然有用。
刑事组之虎9527·2020-08-26 15:01
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他