注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. Web Data Mining (英文)

  2. 目录回到顶部↑ 第一部分 数据挖掘基础. 第1章 概述3 1.1 什么是万维网3 1.2 万维网和互联网的历史简述4 1.3 web数据挖掘5 1.3.1 什么是数据挖掘6 1.3.2 什么是web数据挖掘7 1.4 各章概要8 1.5 如何阅读本书10 文献评注10 第2章 关联规则和序列模式12 2.1 关联规则的基本概念12 2.2 apriori算法14 2.2.1 频繁项目集生成14 2.2.2 关联规则生成17 2.3 关联规则挖掘的数据格式19 2.4 多最小支持度的关联规则挖掘

  3. 所属分类：专业指导

    • 发布日期：2012-05-02
    • 文件大小：8mb
    • 提供者：chen_767

  1. 百大论文.doc

  2. 这是近5年100篇被引用次数最多的深度学习论文，覆盖了优化/训练方法、无监督/生成模型、卷积网络模型和图像分割/目标检测等十大子领域，重要的论文能够超越其应用领域让人获益。这100篇被引用次数最多的深度学习论文，从海量的相关论文中脱颖而出。无论其应用领域是什么，都值得一读，而在其各自的领域，它们是必读之作。

  3. 所属分类：其它

    • 发布日期：2017-02-23
    • 文件大小：51kb
    • 提供者：oscer2016

  1. 【机器学习、深度学习入门、进阶、深入指南】每一阶段必读论文arxiv.org免费下载链接+课程链接+github代码链接

  2. 人工智能研究专家Flood Sung针对近几年深度学习的研究进展提供了一个非常详细的阅读清单。如果你在深度学习领域是一个新手，你可以会想知道如何从哪篇论文开始阅读学习，人工智能研究专家Flood Sung制定了这一份详细的paper list，包括深度学习历史和基础知识、深度学习方法（涉及模型、优化、无监督学习、RNN、深度强化学习等）、深度学习应用（自然语言处理、目标检测、视觉跟踪、图像描述生成、机器翻译、机器人、目标分割等），建议你收藏，仔细学习

  3. 所属分类：深度学习

    • 发布日期：2018-01-14
    • 文件大小：509kb
    • 提供者：zhuf14

  1. 基于运动模式分析的异常行为检测

  2. 提出了一种基于运动模式分析的无监督方法用于对视频中的异常行为进行检测。为了有效描述视频场景中的各种目标信息,对每个前景像素点提取了时空描述符,再结合块区域信息并通过词袋模型生成视觉单词,对视频进行表示。提出了一种稀疏主题模型,用以获取视频中的运动主题。通过该模型可以查找出视频中典型的运动模式,并可以此对各视频文件进行编码。通过分析重构精度和运动模式组成对测试视频文件进行检测,判断其中是否包含异常行为。

  3. 所属分类：算法与数据结构

  1. 卷积神经网络研究综述_周飞燕.pdf

  2. 该文首先概述了卷积神经网络的发展历史,然后分别描述了神经元模型、多层感知器的结构.接着,详细分析了卷积神经网络的结构,包括卷积层、池化层、全连接层,它们发挥着不同的作用.然后,讨论了网中网模型、空间变换网络等改进的卷积神经网络.同时,还分别介绍了卷积神经网络的监督学习、无监督学习训练方法以及一些常用的开源工具.此外,该文以图像分类、人脸识别、音频检索、心电图分类及目标检测等为例,对卷积神经网络的应用作了归纳.卷积神经网络与递归神经网络的集成是一个途径.为了给读者以尽可能多的借鉴,该文还设计并试验

  3. 所属分类：深度学习

    • 发布日期：2020-04-02
    • 文件大小：3mb
    • 提供者：olivia_ye

  1. scikit-learn-0.21.3-中文文档.pdf

  2. scikit-learn 是基于 Python 语言的机器学习工具 简单高效的数据挖掘和数据分析工具 可供大家在各种环境中重复使用 建立在 NumPy ，SciPy 和 matplotlib 上 开源，可商业使用 - BSD许可证1.监督学习 1广义线性模型 °1.1.1普通最小二乘法 1.1.2岭回归 1.1.3LaSs0 o1.1.4多任务 Lasso 115弹性网络 o116多任务弹性网络 1.1.7最小角回归 1.1. 8 LARS Lasso 1.19正交匹配追踪法(OMP 1.1.1

  3. 所属分类：机器学习

    • 发布日期：2019-08-24
    • 文件大小：40mb
    • 提供者：h394266861

  1. instance-aware弱监督目标检测CVPR2020.pdf

  2. Weaklysupervisedlearninghasemergedasacompelling tool for object detection by reducing the need for strong supervision during training. However, major challenges remain: (1) differentiation of object instances can be ambiguous; (2) detectors tend to f

  3. 所属分类：互联网

    • 发布日期：2020-05-29
    • 文件大小：9mb
    • 提供者：andeyeluguo

  1. 海杂波背景下小目标检测的深度信念网络方法

  2. 结合深度学习相关理论，提出了海杂波背景下小目标检测的深度信念网络方法。该方法以无标签数据逐层进行非监督贪婪训练，使每层得到一个合适的初始值；构建深度信念网络初步模型，并以带标签的数据对该种模型以误差反向算法对整个网络的参数进行调优，建立预测模型；最后利用该种预测模型检测湮没在海杂波背景下的小目标信号。以加拿大McMaster实测的IPIX雷达数据进行实验，利用均方根误差评价性能。实验结果表明，针对第54#海杂波数据，文章提出的深度信念网络方法所预测的均方根误差为0.016，与已有的选择性支持向量

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：401kb
    • 提供者：weixin_38506713

  1. 在真实的电子商务平台中发现先令群体

  2. 目的。–随着电子商务的普及，先令攻击在在线购物网站中变得更加猖ramp。 先令攻击者发布恶意的评级以及用于促销或压制目标产品的评论。 本文的目的是研究真实的电子商务平台（例如Amazon.cn）中的群体先令，一种新型的先令攻击，行为...设计/方法/方法。–提出了一些行为特征来对先令进行建模组，因此提出了一种基于主成分分析（PCA）的无监督排序方法，用于从Amazon.cn ... Findings上的真实用户中识别先令组。亚马逊上的先令组。 同时，仔细验证了所提出特征的有效性和所提出的无监督方

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：594kb
    • 提供者：weixin_38672731

  1. up-detr:[CVPR2021口服]上调-源码

  2. UP-DETR ：使用变压器进行对象检测的无监督预训练 这是的官方PyTorch实施和模型： article{dai2020up-detr, author = {Zhigang Dai and Bolun Cai and Yugeng Lin and Junying Chen}, title = {UP-DETR: Unsupervised Pre-training for Object Detection with Transformers}, journal = {arX

  3. 所属分类：其它

  1. LDA-CRF:一种基于概率图模型的目标检测方法

  2. 目标检测和识别是计算机视觉和机器学习的研究热点.近年来,主题模型(如LDA等)在无监督的图像识别和定位等应用中获得了巨大的成功.然而,LDA忽略了图像区域之间的空间关系,并且不能处理连续值的视觉特征或特征向量.而条件随机场(CRF)能够利用图像区域之间的局部相关性来提高分类准确性.基于LDA和CRF提出了一种LDA-CRF模型.通过利用LDA生成的主题信息来辅助CRF的分类,同时结合图像区域之间结构化的类别信息来改进LDA的主题生成机制.实验结果表明,LDA-CRF模型的检测效果要优于CRF.

  3. 所属分类：其它

  1. DSD-3D基于无监督地标检测的运动估计-源码

  2. DSD：基于无监督地标检测的时空运动估计的4D动态医学图像 介绍 在这项研究中，我们提供了一种新颖的无监督拓扑指导的运动估计框架，我们将其称为密集-稀疏-密集（DSD）框架，包括两个阶段。 在第一阶段，我们处理原始的密集图像以提取稀疏的界标，以表示目标器官的解剖拓扑。 对于此过程，我们引入了无监督3D地标检测网络，以提取空间稀疏但具有代表性的地标，以进行目标器官的运动估计，同时抑制了运动估计所不需要的冗余信息。 在第二阶段，我们从后续时间点的两个图像的稀疏地标中提取运动位移。 然后，通过将稀疏地

  3. 所属分类：其它

  1. 基于自适应参数支持向量机的高光谱遥感图像小目标检测

  2. 针对高光谱遥感图像的小目标检测问题，提出了一种基于自适应参数支持向量机(SVM)的检测方法。采用主成分分析(PCA)法对高光谱遥感图像进行降维，降低数据冗余度；之后通过无监督检测方法对小目标进行快速、粗糙定位，并将该定位结果作为后验信息输入到SVM中；依据后验信息与核空间散度准则自适应确定SVM中核函数的参数，并使用SVM 在核空间中寻找分离目标和背景的最佳超平面；利用该超平面将像元重新分类为背景和目标，并且迭代上述操作，得到精确且稳定的目标检测结果。大量实验结果表明，与经典RX方法、核RX方法

  3. 所属分类：其它

  1. python机器学习理论与实战（一）K近邻法

  2. 机器学习分两大类，有监督学习(supervised learning)和无监督学习(unsupervised learning)。有监督学习又可分两类：分类（classification.）和回归（regression），分类的任务就是把一个样本划为某个已知类别，每个样本的类别信息在训练时需要给定，比如人脸识别、行为识别、目标检测等都属于分类。回归的任务则是预测一个数值，比如给定房屋市场的数据（面积，位置等样本信息）来预测房价走势。而无监督学习也可以成两类：聚类（clustering）和密度估计

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：167kb
    • 提供者：weixin_38667835

  1. 基于Salience映射的自然图像自动多目标提取

  2. 近年来，以前根据图像计算的显着性图已用于无监督对象分割。 现有方法的性能好于单目标提取。 但是，这些方法对于多对象提取是*为力的。 提出了一种自动多目标提取方法。 首先，颜色特征和纹理特征都用于检测图像的显着性图。 其次，根据显着性值将显着性图分为3部分，构成三图。 作为粗略三重图，将显着图输入到K个最近邻（KNN）alpha遮罩。 KNN遮罩将产生多对象提取结果。 对基准数据集的实验评估表明，所提出的多对象提取方法与现有方法具有可比性或更高的质量。

  3. 所属分类：其它

    • 发布日期：2021-03-30
    • 文件大小：281kb
    • 提供者：weixin_38697471