博文

Hausdorff 距离

2020-8-13 16:07

豪斯多夫距离 Hausdorff距离 量度度量空间中真子集之间的距离。所谓度量空间，也就是一个集合，其中任意元素之间的距离可定义；真子集就简单理解成一组有限（可以是无限）数目的元素（点）集合。因此， Hausdorff距离可以理解成一个点集中的点到另一个点集的最短距离的最大值。   ...

个人分类: 机器学习|7137 次阅读|没有评论

拟合优度检验（自由度）

2020-7-14 10:05

介绍拟合优度检验前，先说明一下自由度的概念，便于后期统计模型中自由度选择的理解。 （一）自由度 概念 自由度(degree of freedom, df)指的是计算某一统计量时，取值不受限制的变量个数。通常df=n-k。其中 n 为样本数量， k 为被限制的 条件数 或变量个数，或计算某一统计量时用到 ...

个人分类: 机器学习|33572 次阅读|没有评论

边缘检测

2020-7-5 13:37

边缘检测是图像处理与计算机视觉中极为重要的一种分析图像的方法，至少在我做图像分析与识别时，边缘是我最喜欢的图像特征。边缘检测的目的就是找到图像中亮度变化剧烈的像素点构成的集合，表现出来往往是轮廓。如果图像中边缘能够精确的测量和定位，那么，就意味着实际的物体能够被定位和测量 ...

个人分类: 机器学习|3260 次阅读|没有评论

数据归一化

2020-7-1 22:54

（一）常见的归一化方法 （1）线性函数转换，表达式如下（Min-Max Scaling）： 　　　y=(x-MinValue)/(MaxValue-MinValue) （2）对数函数转换，表达式如下： 　　　y=log10 (x) 　（3）反余切函数转换 ，表达式如下： 　　　y=arctan(x)*2/PI （4）Z-SCORE （St ...

个人分类: 机器学习|10883 次阅读|没有评论

最大似然估计（Maximum Likelihood Estimation）与拉格朗日乘法项

2020-6-27 16:13

（一）基于所有样本的极（或最）大似然（Maximum Likelihood） 假定误差为 高斯分布 的情况下，最后其实等同于是在优化最小二乘。 （二）最大似然估计 有助于了解生成和估计得逻辑 通过投硬币问题来深度理解 投硬币问题的最（或极）大似然估计 （三）带约束条件的优化-- ...

个人分类: 机器学习|4107 次阅读|没有评论

本页有 5 篇博文因作者的隐私设置或未通过审核而隐藏