摘要： 图像超分辨率(SR)是提高计算机视觉中图像和视频分辨率的一类重要图像处理技术。近年来，利用深度学习技术实现图像超分辨率技术取得了显著进展。在调查中，我们的目的是给出在一个系统的方式中使用深度学习方法来实现图像超分辨率的最新进展。我们可以将现有的SR技术研究大致分为三类 有监督的SR(supe ...
分类：
其他好文 时间：
2020-06-05 14:40:58
阅读次数：
77
概述 决策树是如何工作的 决策树（Decision Tree）是一种非参数的有监督学习方法，它能够从一系列有特征和标签的数据中总结出决策规则，并用树状图的结构来呈现这些规则，以解决分类和回归问题。 决策树算法容易理解，适用各种数据，在解决各种问题时都有良好表现，尤其是以树模型为核心的各种集成算法，在 ...
分类：
其他好文 时间：
2020-06-02 12:50:22
阅读次数：
42
一、相关背景 有监督学习 给定训练集（x1,y1）(x2,y2) ....（xn,yn）找出他们之间的关系 即：学习一个函数 无监督学习 给定训练集：（x1,2,...xn） 学习一个训练集的划分 二、聚类的应用场合 Image segmentaion Data compression cluste ...
分类：
其他好文 时间：
2020-05-27 20:32:17
阅读次数：
99
监督学习的数据就是有标签数据，无监督学习的数据就是无标签数据。 有标签的数据应该就是采用有监督学习方式，像线性分类器，神经网络等；无标签的数据采用非监督学习方式，比如聚类等方法。 半监督式学习问题介于监督式和非监督式学习之间。这里有一个好例子如：照片分类，但是只有部分照片带有标签(如，狗、猫和人)， ...
分类：
其他好文 时间：
2020-05-21 09:38:17
阅读次数：
275
主要内容： 线性回归 定义与问题引入 损失函数 梯度下降 过拟合与正则化 逻辑回归 定义与问题引入 损失函数 梯度下降与正则化 线性回归 有监督学习= 学习样本为D={(x~i~,y~i~)}^N^~i=1~ 多变量情形： 损失函数 loss function： 梯度下降： 其中α为步长，很大 震荡 ...
分类：
其他好文 时间：
2020-05-17 17:27:48
阅读次数：
73
基于贝叶斯定理与特征条件独立假设的分类方法 首先基于特征条件独立假设学习输入/输出的联合概率分布，然后基于此模型，对给定的输入x，利用贝叶斯定理求出后验概率最大的输出y， 有监督的学习算法，解决的是分类问题，客户是否流失、是否值得投资、信用等级评定等多分类问题 简单易懂、学习效率高、在某些领域的分类 ...
分类：
其他好文 时间：
2020-05-14 19:50:34
阅读次数：
69
1.理解分类与监督学习、聚类与无监督学习。 简述分类与聚类的联系与区别。 简述什么是监督学习与无监督学习。 分类与聚类的区别：是否有已知分类的条件。分类没有，聚类有。 监督学习：已知某些类别的情况下，即具有事先标记的数据，通过特征分析来学习的一类算法。 无监督学习：不具有事先标签的数据，缺乏先验知识 ...
分类：
编程语言 时间：
2020-05-13 00:25:07
阅读次数：
76
1.理解分类与监督学习、聚类与无监督学习。 简述分类与聚类的联系与区别。 联系：都是对数据进行划分的方法 区别：分类就是“贴标签”，在事先已有的类中按这些类的性质来进行划分，要做的就是将每一条记录分别属于哪一类标记出来，常用算法KNN，是一种有监督学习； 聚类是在事先没有类，没有训练条件的情况下，根 ...
分类：
编程语言 时间：
2020-05-12 20:35:39
阅读次数：
90
1.理解分类与监督学习、聚类与无监督学习。简述分类与聚类的联系与区别。简述什么是监督学习与无监督学习。 联系：分类与聚类都是在数据集中寻找离自己最近的点 区别：分类是一种有监督学习，目的是为了确定点的类别，而类别是已知的；聚类是一种无监督学习，目的是将点分为成若干个类，事先是没有类别的。 监督学习： ...
分类：
编程语言 时间：
2020-05-12 16:44:05
阅读次数：
67
1.理解分类与监督学习、聚类与无监督学习。 简述分类与聚类的联系与区别。 联系：分类与聚类都是在数据集中寻找离自己最近的点 区别：分类是一种有监督学习，目的是为了确定点的类别，而类别是已知的；聚类是一种无监督学习，目的是将点分为成若干个类，事先是没有类别的。 简述什么是监督学习与无监督学习。 监督学 ...
分类：
其他好文 时间：
2020-05-12 16:40:08
阅读次数：
53
