深入了解CV算法知识点

开课吧开课吧锤锤2021-07-13 11:56

在这个AI大爆发的时代,似乎只要和人工智能沾边就显得高大上了,与之相反的是被大多数人痛批的生化环材专业。尽管AI给我们的生活带来了很多便利,但随着越来越多的人进入这个圈子,AI的整体规模也迅速扩大。

深入了解CV算法知识点  

1.机器学习的基本算法(分类、回归、降维、聚类、排序等)主要包括哪些? 

深入了解CV算法知识点 

排序算法包括:  

1、冒泡排序:依次比较和交换相邻的两个数从而把小的数排在前面  

2、选择排序:可看成冒泡排序的优化算法,但只有在确定了是最小数的前提下才交换,所以和1比,大大减少了交换次数  

3、直接插入排序:通过比较找到合适的位置插入目标元素,在插入一个数时保证这个数前面的数已经有序。  

4、希尔排序(缩小增量排序):可看成对3的优化,先将整个待排序序列分割成若干个子序列分别进行直接插入排序,待整个序列基本有序时再对整个序列进行一次直接插入排序。子序列的分割:不是简单的逐段分割,而是将相隔某个增量的序列组成一个子序列,然后依次缩小这个增量。  

5、快速排序:思想来源于冒泡,但不是比较相邻两个数,而是比较和交换较大的数和较小的数,从而达到把小数冒泡到上面的同时还将大数冒泡到下面。  

6、归并排序:递归分治的思想,即先递归划分为子问题,然后合并结果。倒着来看就是,先两两合并,再四四合并。  

7、堆排序:思想同2,借助堆这种数据结构输出堆顶元素,从而输出最大值(最小值)。然后将剩余元素重新排成最大堆(最小堆),重复这个过程。  

2.常见的聚类算法有哪些?  

划分聚类:K-means算法、K-medoids算法、K-pototypes算法、CLARANS算法;  

层次聚类:BIRCH算法、CURE算法;  

密度聚类:DBSCAN算法、OPTICS算法、DENCLUE算法  

网格聚类:STING算法、CLIQUE算法、WAVE-CLUSTER算法  

混合聚类:高斯混合模型、CLIQUE(综合密度和网格的算法)  

3.神经网络中出现欠拟合的原因及解决方法?  

原因:(1)模型复杂度过低(2)特征量过少  

解决方案:  

添加其他特征项,模型出现欠拟合的时候是因为特征项不够导致的,可以添加其他特征项来很好地解决。例如,“组合”、“泛化”、“相关性”三类特征是特征添加的重要手段,无论在什么场景,都可以照葫芦画瓢,总会得到意想不到的效果。除上面的特征之外,“上下文特征”、“平台特征”等等,都可以作为特征添加的首选项。  

添加多项式特征,例如将线性模型通过添加二次项或者三次项使模型泛化能力更强。  

减少正则化参数,正则化的目的是用来防止过拟合的,当模型出现了欠拟合,则需要减少正则化参数  

深入了解CV算法知识点

以上就是开课吧广场小编为大家整理发布的“深入了解CV算法知识点”一文,更多C++教程相关内容尽在开课吧广场C++教程频道。

免责声明:本站所提供的内容均来源于网友提供或网络搜集,由本站编辑整理,仅供个人研究、交流学习使用。如涉及版权问题,请联系本站管理员予以更改或删除。
有用
分享