密度估计

《机器学习》周志华西瓜书学习笔记（九）：聚类

96178919——————————————————————————————————————————————————————聚类在无监督学习（unsupervisedlearning）中，常见的无监督学习任务还有密度估计
我是管小亮 :)·2019-09-16 17:09

《机器学习》周志华西瓜书学习笔记（九）：聚类

96178919——————————————————————————————————————————————————————聚类在无监督学习（unsupervisedlearning）中，常见的无监督学习任务还有密度估计
我是管小亮 :)·2019-09-16 17:09

西瓜书机器学习算法脉络梳理之聚类

什么是聚类任务“无监督学习”中研究最多，应用最广的学习任务，除此之外，还有密度估计（densityestimation）和异常检测（anomalydetection）。
klchang·2019-09-07 18:00

人车密度《Towards perspective-free object counting with deep learning》

人车密度估计的方法可以分为三类：co
sunny_develop·2019-08-14 14:24

机器学习实战——1.机器学习基础

在无监督学习中，将数据集合分成有类似的对象组成的多个类的过程被称为聚类；将寻找描述数据统计值的过程称之为密度估计。此外，无监督学习还可以减少数据特征的维度，以便我们可以使用二维或三
RF-or·2019-07-10 08:39

人群密度估计--Recurrent Attentive Zooming for Joint Crowd Counting and Precise Localization

2019CVPRAbstract提出一个新奇的框架，能够同时解决两个内在联系的问题，技术和定位。由图1说明，虽然人群总数一致，但局部人数是不一致的，是不准确的。1.Introductioncontribution：(1).模型能够判断精确的位置，因为1.1以往的MAEloss不适合判断人群位置，应该采用稀疏性鼓励的损失，此处引入二元交叉熵损失的归一化变量。1.2观察到不同人群密度的区域具有非常大的
cxm1995·2019-06-28 11:06

人群密度估计--DecideNet: Counting Varying Density Crowds Through Attention Guided Detection and Density

2018CVPR1.Abstract基于检测的计数方法将在低密度场景中准确估计人群，同时降低其在拥挤区域的可靠性。另一方面，基于回归的方法捕获拥挤区域中的一般密度信息。在不知道每个人的位置的情况下，它倾向于高估低密度区域中的计数。本文的思路就是将检测方法和回归方法结合起来，各取所长。2.Relatedworks3.CrowdCountingbyDecideNet两条支路，一个检测一个回归；只有检测
cxm1995·2019-06-27 16:09

模式识别

1.关键概念2.距离分类器3.线性分类器与支持向量机4.特征选择与特征提取5.统计分类器6.概率密度估计7.聚类8.矩阵微分
a1058420631·2019-06-27 00:06

chapter-13-生成式模型

从大的分类标准来看，生成式模型分为两类，显式密度估计和隐式密度估计，这取决于我们定义和求解p模型的方式是显式还是隐式。
JachinMa·2019-05-25 17:50

卷积核分布分析

本文主要介绍的是KernelDensityEstimation(KDE)核密度估计的方法。博客：https://www.jianshu.com/p/249e5ff97c04里面有详细的数学公式的推导。
阿刚的代码进阶之旅·2019-05-08 15:00

面经个人向（算法岗）

1、人群计数模型的原理：首先根据标注的人头位置和核密度估计生成每个人群图像所对应的人群密度图，然后采用CNN网络模型基于人群特征回归人群密度图，最后计算人群密度图的数值总和作为最
cchangcs·2019-04-16 21:15

有监督、无监督、泛化能力、过拟合欠拟合、交叉验证

b.无监督学习：训练样本的标记信息未知，，目标是通过对无标记训练样本的学习来揭示数据的内在性质，及规律，为进一步的数据分析提供基础，此类学习任务中研究最多，应用最广的是聚类，其他的无监督算法还有密度估计
qiuye1117·2019-03-29 09:33

花书第五章 机器学习

学习算法：机器学习任务类型包括，分类，输入缺失分类，回归，转录，机器翻译，结构化输出，异常检测，合成和采样，缺失值填补，去噪，密度估计或概率质量函数估计。
呆若木鸡lol·2019-03-08 15:03

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·2018-12-10 15:00

生成对抗网络(GAN)资料打包

进入正文全文摘要生成式对抗网络，即所谓的GAN是近些年来最火的无监督学习方法之一，模型由Goodfellow等人在2014年首次提出，将博弈论中非零和博弈思想与生成模型结合在一起，巧妙避开了传统生成模型中概率密度估计困难等问题
LoveMIss-Y·2018-11-15 16:24

第一章 批量数据比较

箱型图1.五数概括：极大值；极小值；上四分位点；下四分位点；中位数箱型图构造：箱子部分（上下四分位点，实线中位数，虚线均值）箱子两触角：箱型图可用于比较不同批量数据：1.2直方图直方图是对核密度的估计，核密度估计可以对数据整体分布有很好认识
DMU_lzq1996·2018-10-12 12:46

DEEP AUTOENCODING GAUSSIAN MIXTURE MODEL FOR UNSUPERVISED ANOMALY DETECTION

ICLR-2018摘要对于多维或高维数据的无监督异常检测在基础机器学习研究和工业应用中都是非常重要的，其密度估计是核心。
水果先生·2018-10-10 11:29

十大机器学习方法之聚类分析

聚类分析是一种无监督学习技术(常见的无监督学习还有密度估计、异常检测等)，可以在事先不知道正确结果（即无类标或预期输出值）的情况下，发现数据本身所蕴含的结构信息。
PyDarren·2018-09-12 14:10

基于条件对抗生成神经网络的ACSCP人群密度估计模型----ACSCP crowd counting model

githubACSCPcrowdcountingmodel=======IntroductionThisisopensourceprojectforcrowdcounting.Implementwithpaper“CrowdCountingviaAdversarialCross-ScaleConsistencyPursuit”fromShanghaiJiaoTongUniversity.Formo
Bao_Ling·2018-09-08 14:39

Scikit-Learn学习笔记——高斯混合模型(GMM)应用：分类、密度估计、生成模型

高斯混合模型k-means聚类模型非常简单并且易于理解，但是他的简单性也为实际应用带来了挑战。特别是实际应用中，k-means的非概率性和它仅根据到簇中心点的距离来指派将导致性能低下。高斯混合模型可以看作是k-means的一个扩展，但它也是一种非常强大的聚类评估工具。k-means算法的缺陷在实际聚类的过程中，两个簇往往会存在重合部分。k-means算法对于重合部分的点被分配到哪个簇缺乏一个评估方
盐味橙汁·2018-08-22 00:00

crowd counting

crowdcounting人群密度估计之MCNNhttps://blog.csdn.net/qq_14845119/article/details/689467272016年--SingleImageCrowdCountingviaMultiColumnConvolutionalNeuralNetworkThisisanunofficialimplementationofCVPR2016paper
万三豹·2018-07-27 21:45

机器学习：Parzen窗、k-nn

2、考虑不同维数的空间中，使用k-近邻概率密度估计方法的效果。(a)编写程序，对于一维的情况，当有个数据
ForTheDreamSMS·2018-07-27 16:55

核密度估计Kernel Density Estimation(KDE)-代码详细解释

在介绍核密度评估KernelDensityEstimation(KDE)之前，先介绍下密度估计的问题。由给定样本集合求解随机变量的分布密度函数问题是概率统计学的基本问题之一。
Applied Sciences·2018-07-06 21:53

人群密度估计总结

VGG16是有16个系数层1:如果输入图片大小是256x256,那么前面256->conv3:64x2(maxpooling)->128->conv3:128x2(maxpooling)->64->conv3:256x3+conv3:512x3->56(512,64,64)->conv11:1->(1,64,64)(1)其中前面7层Conv使用的是VGG的参数,全部是conv3,filter个数从
hnshahao·2018-06-28 14:55

机器学习中的概率模型和概率密度估计方法及VAE生成式模型详解之三（第1章）...

第1章概率分布的模型表达及建模1.1模型模型有很宽泛的定义，在Wikipedia上对Model的解释里就列出了多种模型及其定义。在我们要讨论的内容的语义下，模型就是输入与输出之间关系的一种表达与实现。我们不关心模型内部对输入量进行了什么样的操作而产生了输出量，我们只关心输入量与输出量之间的关系或者说变化规律。模型与系统有大致相同的意义。由于这种关系或变化规律有些可以用数学公式来描述，因而有的人会把
weixin_33850890·2018-06-19 10:32

Python手册(Visualise)--seaborn

文章目录数据集关系图核心函数散点图折线图分面图分布图核心函数直方图核密度估计经验累积分布地毯图二元分布分类图核心函数散点图分布图统计图回归图矩阵图热力图聚类图网格图分面网格配对网格联合网格主题StyleContext
WilenWu·2018-05-10 23:12

用犯罪分析软件CrimeStat做热点图、层次空间聚类图、时空移动平均图

(arcgis/spatialanalysttools/密度分析/核密度估计)地图底图和各类型犯罪数据是美国司法研究所NIJ的mappingandanal
huxuanlai·2018-05-10 10:38

人群分析、人群计数 开源代码文献及数据库

本文转载自：https://blog.csdn.net/zhangjunhit/article/details/78190335人群密度估计利用未标记数据辅助训练网络LeveragingUnlabeledDataforCrowdCountingbyLearningtoRankCVPR2018https
Zziven·2018-04-18 16:21

核密度估计（Kernel density estimation）

核密度估计（Kerneldensityestimation），是一种用于估计概率密度函数的非参数方法，为独立同分布F的n个样本点，设其概率密度函数为f，核密度估计为以下：K(.)为核函数（非负、积分为1
dazhi_1314·2018-03-19 11:45

概率密度估计--参数估计与非参数估计

我们观测世界，得到了一些数据，我们要从这些数据里面去找出规律来认识世界，一般来说，在概率上我们有一个一般性的操作步骤1.观测样本的存在2.每个样本之间是独立的3.所有样本符合一个概率模型我们最终想要得到的是一个概率密度的模型，有了概率密度模型以后，我们就可以统计预测等非常有用的地方，因此，首要任务是找出一些概率分布的概率密度模型。我们来分析一下上面的三个步骤，第一第二都很好解决，关于第三点，我们可
pragma_g·2018-02-17 21:46

核密度估计

参考：https://www.zhihu.com/question/27301358https://www.zybang.com/question/3797fbcae06ac70f5071ff1ee42f23e2.htmlhttp://blog.csdn.net/baimafujinji/article/details/51720090声明：本篇博客大部分都是借鉴慧航的解答，链接在上面，写作的目的
chaolei_9527·2018-02-02 16:50

Parzen window 概率密度估计

非参数估计：已知样本所属的类别，但未知总体概率密度函数的形式，要求我们直接推断概率密度函数本身。非参数估计的方法主要有：直方图法、核方法。Parzen窗估计属于非参数估计的核方法的一种。在数学上一个连续概率密度函数p(x)的需满足以下的条件：1、x在a和b之间的概率为:2、对所有的x，p(x)非负3、p(x)的积分值为1最经常使用的概率密度函数就是高斯函数（正态分布）将一维的情况扩展到多维，现在的
billbliss·2018-01-25 17:27

模式识别学习笔记（9）——非参数方法

非参数概率密度估计概率：特征空间中一定区域内样本的比率。
Carol__Deng·2018-01-15 15:20

模式识别学习笔记（3）——高斯概率密度

概率密度估计方法参数法：只需将均值和协方差矩阵保存下来，就可知道其分布。半参数法：GM通过解析求解；期望最大化是极大似然估计的特例，多次迭代才能求得高斯密度函数牢记密度函数公式！！！
Carol__Deng·2018-01-13 14:39

【Scikit-Learn 中文文档】密度估计 - 无监督学习 - 用户指南 | ApacheCN

中文文档:http://sklearn.apachecn.org/cn/stable/modules/density.html英文文档:http://sklearn.apachecn.org/cn/stable/modules/density.html官方文档:http://scikit-learn.org/stable/GitHub:https://github.com/apachecn/sci
ApacheCN_Xy·2017-12-29 11:15

pandas的scatter_matrix散布矩阵图如何理解

对角线部分：核密度估计图（KernelDensityEstimation），就是用来看某一个变量分布情况，横轴对应着该变量的值，纵轴对应着该变量的密度（可以理解为出现频次）。
牧码人小鹏·2017-12-12 15:22

【Scikit-Learn 中文文档】密度估计 - 无监督学习 - 用户指南 | ApacheCN

中文文档:http://sklearn.apachecn.org/cn/stable/modules/density.html英文文档:http://sklearn.apachecn.org/cn/stable/modules/density.html官方文档:http://scikit-learn.org/stable/GitHub:https://github.com/apachecn/sci
geekidentity·2017-11-30 21:26

关于机器学习中山峰聚类算法的说明

前言在之前关于聚类算法的文章中，笔者主要涉及的内容均是和参数求解相关的，如C均值（包括模糊C均值）、混合高斯模型等，而对于一些无参数密度估计的算法尚未讨论，而且一般基于参数密度估计的算法均是建立在假设的概率分布族
chenhu73·2017-10-19 17:43

概率论和数理统计-名词解释

一、概率论1.核密度估计2.特征函数二、数理统计偏回归系数：多元线性回归方程Y=a+b1X+b2X+…+bmXm中，各个自变量Xi的系数bi(i=1，2，…，m)，称为应变量Y对自变量Xi的偏回归系数，
hsdcc217·2017-10-16 14:23

DeepLearning学习笔记——无监督学习算法

简介  无监督学习通常与密度估计相关，学习从分布中采样、学习从分布中去噪、寻找数据分布的流形或是将数据中相关的样本聚类。  一个经典的无监督学习任务是找到数据的“最佳”表示。“最佳”
hustqb·2017-08-16 11:41

《机器学习实战》学习笔记(二)

如：聚类--将数据集合分成由类似的对象组成的多个类的过程；密度估计--将寻找描述数据统计值的过程。算法的选择： ①使用机器学习算法的目的，想要算法完成何种任务②需要分析
汝南张公子·2017-08-12 00:00

机器学习基础

机器学习的主要任务机器学习主要任务分为监督学习和无监督学习监督学习监督学习又包括回归和分类回归：主要就是用来预测数据，根据现有数据来的数据，常见的就是曲线拟合分类：就是将实例数据划分到具体的分类中之所以叫做监督学习，就是这类算法必须要知道预测什么无监督学习无监督学习任务主要有聚类和密度估计
nbw_gx·2017-07-29 12:15

机器学习-学习笔记 聚类

聚类聚类任务背景在无监督学习(密度估计、异常检测等)中，训练样本的标记信息是未知的（即不人为指定），旨在发现数据之间的内在联系和规律，为进一步的数据分析提供基础。
DLNU-linglian·2017-07-26 05:29

核密度估计与自适应带宽的核密度估计

最近看论文，发现一个很不错的概率密度估计方法。在此小记一下。先来看看准备知识。密度估计经常在统计学中作为一种使用有限的样本来估计其概率密度函数的方法。
码农康康·2017-06-29 22:44

核密度估计与自适应带宽的核密度估计

最近看论文，发现一个很不错的概率密度估计方法。在此小记一下。先来看看准备知识。密度估计经常在统计学中作为一种使用有限的样本来估计其概率密度函数的方法。
码农康康·2017-06-29 22:44

概率密度估计

参数估计和非参数估计（监督参数估计和非监督参数估计）组成了概率密度估计。
追梦不止,静心致远·2017-06-20 17:09

《机器学习实战》笔记（0） 第一章

在无监督学习中，将数据集合分成有类似的对象组成的多个类的过程叫做聚类，将寻找描述数据统计值的过程叫做密度估计。如果想要预测目标变量的值，选择监督学习算法，否则选择无监督学习算法。
appcompat_v7·2017-05-29 15:06

模式识别和机器学习 笔记

introduction首先举了一个手写识别的例子，介绍了机器学习的基本概念：训练集、测试集合、训练阶段/学习阶段、泛化能力(generalization)、特征选择/抽取、监督式学习：分类、回归；无监督式学习：聚类、密度估计
ef-eve·2017-05-28 21:54

图像处理基础知识系列之二：核概率密度估计简介

核概率密度估计简介核密度估计（Kerneldensityestimation），是一种用于估计概率密度函数的非参数方法，为独立同分布F的n个样本点，设其概率迷度函数为f，核密度估计为以下：公式（１）以上解释虽然仅仅几行
Coming_is_winter·2017-05-28 15:41

核密度估计（KDE)

对于大量数据的可视化，在一维数据中，直方图（histogram）是一种普遍的方式，另外还有一种方式：核密度估计(kerneldensityestimation)。
Leonardo711·2017-04-19 10:07
上一页 5 6 7 8 9 10 11 12 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他