一.概述 1. 特征工程 特征工程是将原始数据转换为更能代表预测模型的潜在问题的特征的过程，可以通过挑选最相关的特征，提取特征以及创造特征来实现。 可能面对的问题有：特征之间有相关性，特征和标签无关，特征太多或太小，或者干脆就无法表现出应有的数据现象或无法展示数据的真实面貌 特征工程的目的：1) 降 ...
分类：
其他好文 时间：
2020-12-09 11:54:45
阅读次数：
5
数据处理不等式：DataProcessingInequality我是在差分隐私下看到的，新解决方案的可用性肯定小于原有解决方案的可用性，也就是说信息的后续处理只会降低所拥有的信息量。那么如果这么说的话为什么还要做特征工程呢，这是因为该不等式有一个巨大的前提就是数据处理方法无比的强大，比如很多的样本要分类，我们做特征提取后，SVM效果很好，但是如果用DNN之类的CNN、AuToEncoder，那么效
分类：
其他好文 时间：
2020-11-30 15:15:49
阅读次数：
7
尊敬的用户：继V5.0版本发布之后[容联发布“BotV5”认知+运营构建企业智能交互中心],本周迎来AICall产品又一次更新，如下为本次更新内容，enjoy：升级说明：【新增】多意图理解在复杂的对话应用场景下，用户可能一次说出多个意图，例如：我要查这个月账单多少钱，顺便帮我办个分期。本次更新，我们基于深度学习算法，对用户问题进行领域、意图识别和槽位信息抽取，通过用户意图特征提取，采用模型做意图分
分类：
其他好文 时间：
2020-09-15 21:18:58
阅读次数：
42
RCNN（Regions with CNN features）是RGB在2014年提出的一种目标检测算法，RCNN是将CNN方法应用道目标检测问题上的一个里程碑，借助CNN良好的特征提取和分类性能，通过RegionProposal方法实现目标检测。 前面我们提到的滑动窗口法可以得到目标所在区域，但会 ...
分类：
其他好文 时间：
2020-07-27 23:46:42
阅读次数：
63
多模态特征提取：目前尤其是90后，在对话当中经常使用表情图、动态图等方式来表达情感，而将这些非语言信息的语义提取并翻译出来，就是多模态提取的任务了。比如今年KDD Cup的一道赛题就是“多模态商品推荐”, 其中多模态商品推荐指的是关联融合视频、图片、文本等多模态用户数据，并结合用户的购买习惯、浏览序 ...
分类：
其他好文 时间：
2020-07-26 00:19:13
阅读次数：
77
数据挖掘的五大流程 获取数据 数据预处理 数据预处理是从数据中检测,纠正或删除孙华,不准确或不适用于模型的记录的过程 目的: 让数据适应模型, 匹配模型的需求 特征工程 特征工程是将原始数据转换为更能代表预测模型的潜在无问题的特征的过程, 可以通过挑选最相关的特征,提取特征以及创造特征来实现. 目的 ...
分类：
其他好文 时间：
2020-07-24 16:21:20
阅读次数：
91
1? 模式识别系统 数据获取：用计算机语言（可计算数字符号）来表示研究对象 预处理：对研究对象去噪声，复原等 特征提取与选择：对数据进行变换，降纬，简化处理等 分类决策：归类（） 分类器设计：对分类结果进行判断检测，误差分析 2? 模式识别主要问题 特征选择与优化：特征选择：使同类物体紧致性； 组合 ...
分类：
其他好文 时间：
2020-07-22 16:02:05
阅读次数：
67
摘要： 验证码作为一种互联网安全手段， 被广泛应用于互联网各类验证界面中。由于传统的图像识 别算法对于验证码的识别准确率及速度很大程度上都依赖于算法的设计及鲁棒性上，实际应用起来效果不是很好。在本次项目中，使用 Tensorflow 框架将卷积神经网络应用于验证码的特征提取及识别上，利用 Pytho ...
分类：
其他好文 时间：
2020-07-18 16:00:24
阅读次数：
72
算法实现起来比较简单，参考 资料1，这里不再赘述； 特点 傅里叶变换 的 基波 为 正弦波，如果原始信号波形很复杂，信号分解 计算量会很大，用 无穷多的 正弦波 才能 逼近 这个 波形； 小波变换 的 基波 为 某些固定波形，不同的 基波 对信号处理影响很大，一旦选定，无法更换，即使小波基在全局最佳 ...
分类：
其他好文 时间：
2020-07-13 19:55:41
阅读次数：
119
视觉前端和优化后端 视觉里程计VO-根据相邻图像的信息估计处粗略的相机运动，给后端较好的估计值 【一】特征提取与匹配：特征点法 ——运行稳定，对光照、动态物体不敏感 主要问题：根据图像来估计相机运动 特征点-路标-有代表性的点-图像信息的一种表达形式-在相机运动之后保持稳定-角点|边缘|区块 仅灰度 ...
分类：
其他好文 时间：
2020-07-11 17:02:34
阅读次数：
63
