您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 黎曼流形学习算法在人脸识别中的应用

  2. 这是好的流形学习算法.比较高深,识别率比较高,希望对大家有帮助.
  3. 所属分类:教育

  1. 流形学习在视频处理中的应用

  2. 本文介绍了流形学习——一个在视频处理中比较活跃的方法,在该领域的一点基本应用。适合初学者参考。
  3. 所属分类:电子商务

    • 发布日期:2011-11-02
    • 文件大小:11mb
    • 提供者:zhangdongqing18
  1. 流形学习及其在人脸识别中的应用

  2. 流形学习,很好的资料,是一篇博士论文
  3. 所属分类:专业指导

    • 发布日期:2011-12-14
    • 文件大小:2mb
    • 提供者:lqqgc
  1. 流形学习概述

  2. 流形学习是一种新的非监督学习方法,近年来引起越来越多机器学习和认知科学工作者的重视. 为了加深对流形学习的认识和理解,该文由流形学习的拓扑学概念入手,追溯它的发展过程. 在明确流形学习的不同表示方法后,针对几种主要的流形算法,分析它们各自的优势和不足,然后分别引用Isomap和LLE的应用示例.结果表明,流形学习较之于传统的线性降维方法,能够有效地发现非线性高维数据的本质维数,利于进行维数约简和数据分析.最后对流形学习未来的研究方向做出展望,以期进一步拓展流形学习的应用领域
  3. 所属分类:其它

  1. 基于流形学习的数据降维

  2. 本文首先对目前典型的流形学习方法与核函数理论进行较为全面的分析, 并对 LE(LaplaceEigenmaPs)算法进行核化。此外,提出了一种PCA(PrinciPal ComponentAnalysiS)和 LLE(LoealLinearlyEmbedding)混合数据降维方法,并 在经典数据集和具有挑战性的数据集上取得了较好的降维效果。为了进一步说 明此算法的有效性,本文将此算法应用于手写字分类和人脸分类算法的预处理 过程中,得到了预期的效果。为了说明此算法的有效性,本文又进一步从理论 上
  3. 所属分类:专业指导

  1. Manifold Learning Theory and Applications

  2. 一本结合应用实例详细介绍流形学习关键问题的图书,对于希望详细了解流形学习的同学很有帮助。总体问题两个部分,1-8章介绍了流形学习理论基础。9-11章介绍了当下流形学习的主要应用。
  3. 所属分类:专业指导

    • 发布日期:2015-04-30
    • 文件大小:9mb
    • 提供者:oliver8641
  1. 流形学习matlab程序及相关论文

  2. 关于流形学习的相关期刊论文及学位论文,主要是应用在故障诊断方面,附带matlab程序。由于文件比较大,所以分为两个部分上传。
  3. 所属分类:讲义

    • 发布日期:2015-09-15
    • 文件大小:50mb
    • 提供者:u011819029
  1. 一篇关于流行学习的博士论文

  2. 论文题目:数据降维及分类中的流形学习研究。本论文有助于理论学习和工程应用。
  3. 所属分类:专业指导

    • 发布日期:2008-11-28
    • 文件大小:388byte
    • 提供者:way8217
  1. Manifold learning theory and applications

  2. 流形学习的理论和应用,全书322页,内容翔实,非常详细,高清扫描带标签版,非常适合对流形学习感兴趣的朋友
  3. 所属分类:讲义

    • 发布日期:2017-06-13
    • 文件大小:21mb
    • 提供者:nwpuhtxy2010
  1. 机器学习与流形(1)

  2. (最近,哈佛大学丘成桐先生领导的团队,大连理工大学罗钟铉教授、雷娜教授领导的团队应用几何方法研究深度学习。老顾受邀在一些大学和科研机构做了题为“深度学习的几何观点”的报告,汇报了这方面的进展情况。这里是报告的简要记录,具体内容见【1】。) 上一次博文(深度学习的几何理解(1) - 流形分布定律)引发很大反响,许多新朋老友和老顾联系,深入探讨学术细节,并给出宝贵意见和建议,在此一并深表谢意。特别是中国科学技术大学的陈发来教授提出了和传统流形学习相比较的建议;和熊楚渝先生提出通用学习机的X-形式理
  3. 所属分类:深度学习

    • 发布日期:2018-06-11
    • 文件大小:2mb
    • 提供者:ch1209498273
  1. 流形学习概述

  2. 在很多应用中,数据的维数会很高。以图像数据为例,我们要识别32x32的手写数字图像,如果将像素按行或者列拼接起来形成向量,这个向量的维数是1024。高维的数据不仅给机器学习算法带来挑战,而且导致计算量大,此外还会面临维数灾难的问题(这一问题可以直观的理解成特征向量维数越高,机器学习算法的精度反而会降低)。人所能直观看到和理解的空间最多是3维的,为了数据的可视化,我们也需要将数据投影到低维空间中,因此就需要有数据降维这种算法来完成此任务。
  3. 所属分类:机器学习

    • 发布日期:2018-08-13
    • 文件大小:776kb
    • 提供者:sigai_csdn
  1. 基于流行学习的雷达辐射源识别技术

  2. 雷达辐射源识别是现代信息化电子战中侦察部 雷达辐射源识别是现代信息化电子战中侦察部 雷达辐射源识别是现代信息化电子战中侦察部 雷达辐射源识别是现代信息化电子战中侦察部 雷达辐射源识别是现代信息化电子战中侦察部 雷达辐射源识别是现代信息化电子战中侦察部 雷达辐射源识别是现代信息化电子战中侦察部 雷达辐射源识别是现代信息化电子战中侦察部 雷达辐射源识别是现代信息化电子战中侦察部 雷达辐射源识别是现代信息化电子战中侦察部 雷达辐射源识别是现代信息化电子战中侦察部 雷达辐射源识别是现代信息化电子战中侦察
  3. 所属分类:深度学习

  1. 基于监督局部保持映射算法的井下人员定位技术

  2. 针对人脸、指纹和手写签名等人员身份鉴定方法不能很好地满足煤矿井下人员管理系统需要的现状,基于局部保持映射(LPP)算法,提出一种监督LPP算法(SLPP),并应用于煤矿井下人员步态识别中。利用该方法对步态数据进行映射,得到步态数据在低维空间中的表示方法,再利用最近邻分类器对低维步态数据进行识别。在2个步态数据库中进行一系列步态识别试验,并与经典维数约简算法LDA、监督流形学习算法DLPP、判别映射嵌入(DPE)流形学习算法以及其他步态识别方法分别进行比较。试验结果表明,在同等试验条件下,SLPP
  3. 所属分类:其它

    • 发布日期:2020-04-25
    • 文件大小:536kb
    • 提供者:weixin_38642369
  1. 基于深度学习的图像分类方法研究_孟丹.caj

  2. 本文在深度学习框架的基础上对特征提取方法进行了研究,并通过医学图像、人脸表情的检测和分类对其效果进行了验证。本文的研究内容主要包括以下三点:1)提出有约束的高分散主成分分析网络(Constrained High Dispersal PCANet,CHDNet)。本文详细分析了 CHDNet的不同组件对分类性能的影响,针对PCANet的局限性,设计了非线性变化层、多尺度特征池化层,以提高分类性能。将CHDNet应用在医学图像分类中,包括基于Kinect深度图像的人体生理机能自动检测和计算机辅助舌象
  3. 所属分类:深度学习

    • 发布日期:2020-04-02
    • 文件大小:6mb
    • 提供者:olivia_ye
  1. 一种基于NPE降维系数的分类算法

  2. 一种基于NPE降维系数的分类算法,杨静,张劼,流形学习方法是近年来发展起来的维数约减算法,它们不仅能处理非线性数据的降维,还能很好的应用于分类问题,本文在NPE算法的基础
  3. 所属分类:其它

    • 发布日期:2020-03-09
    • 文件大小:316kb
    • 提供者:weixin_38660813
  1. 流形学习在计算机视觉领域的应用

  2. MATLAB程序:流形学习在计算机视觉领域的应用。 Matlab program: The application of manifold learning in the field of computer vision.
  3. 所属分类:其它

    • 发布日期:2020-05-30
    • 文件大小:22kb
    • 提供者:fly1642
  1. 学习用于动态视觉跟踪的内在保留流形

  2. 流形学习是计算机科学领域的一个热门话题,特别是自2000年在《科学》杂志上提出基于流形学习的非线性降维以来,这项工作取得了巨大的成功。当前流形学习方法的主要目的是搜索位于低维流形上的高维输入基础的独立固有变量。在本文的训练步骤中,建立了一个新的流形,如果输入训练样本的内在变量的值彼此接近,则将其设置为彼此接近。然后,降维过程被转换为保持内在变量连续性的过程。通过使用新的歧管,可以动态跟踪可以自由移动和旋转的人员。从理论上讲,这是将流形学习框架转换为动态跟踪的第一种方法。从应用的角度来看,获得了一
  3. 所属分类:其它

  1. 基于流形学习的血管内超声图像序列关键帧的提取及应用

  2. 基于流形学习的血管内超声图像序列关键帧的提取及应用
  3. 所属分类:其它

    • 发布日期:2021-03-02
    • 文件大小:886kb
    • 提供者:weixin_38636763
  1. 通过迭代加权PCA进行稳健的局部切线空间对齐

  2. 最近,多种学习在机器学习和相关社区中引起了广泛的兴趣。 本文研究了噪声流形学习问题,这是将流形学习算法应用于实际问题的关键问题。 我们提出了称为RLTSA的LTSA算法的强大版本。 提出的RLTSA算法从三个方面使LTSA具有更高的鲁棒性:首先,采用基于迭代加权PCA的鲁棒PCA算法代替标准SVD,以减少噪声对局部切线空间坐标的影响。 其次,LTTSA选择与本地坐标近似的邻域以与全局坐标对齐; 第三,在对准步骤中,通过将干净数据点和具有不同权重的噪声数据点赋予局部对准误差,进一步减小了噪声对嵌入
  3. 所属分类:其它

  1. 基于局部流形重构的半监督多视图图像分类

  2. 为了在半监督情境下利用多视图特征中的信息提升分类性能,通过最小化输入特征向量的局部重构误差为以输入特征向量为顶点构建的图学习合适的边权重,将其用于半监督学习。通过将最小化输入特征向量的局部重构误差捕获到的输入数据的流形结构应用于半监督学习,有利于提升半监督学习中标签预测的准确性。对于训练样本图像的多视图特征的使用问题,借助于改进的典型相关分析技术学习更具鉴别性的多视图特征,将其有效融合并用于图像分类任务。实验结果表明,该方法能够在半监督情境下充分地挖掘训练样本的多视图特征表示的鉴别信息,有效地完
  3. 所属分类:其它

« 12 »