Das1_

本文介绍了特征选择的基础概念和主流方法。特征选择旨在从特征集合中筛选出与任务相关的子集，分为过滤式、包裹式和嵌入式三类。过滤式方法如Relief通过统计量评估特征重要性；包...

一、 强化学习核心概念与设置 强化学习（Reinforcement Learning, RL）研究智能体（Agent）如何在复杂环境中通过试错来最大化长期累积奖赏 1. 马...

摘要：本文系统介绍了聚类分析的关键技术，包括性能度量、距离计算和经典算法。性能度量分为外部指标（如JC、FMI）和内部指标（如DBI、DI）。距离计算涵盖闵可夫斯基距离（含...

1. k近邻学习 (kNN) kNN 是一种常用的监督学习方法，其工作机制非常直观：对于给定的测试样本，在训练集中找到距离最近的 $k$ 个样本，根据这 $k$ 个“邻居”...

集成学习通过组合多个学习器提升性能，主要分为同质（基学习器）和异质（组件学习器）集成。Boosting类方法（如AdaBoost、GBDT）通过串行优化降低偏差，调整样本权...

本文介绍了决策树的基本概念、核心算法及其应用。决策树是一种监督学习方法，通过递归划分数据集构建树形结构，包含根节点、内部节点和叶节点。重点解析了三种经典算法：ID3基于信息...

拉格朗日对偶法（Lagrange Dual Method） 示例问题：二维线性可分 SVM 假设我们只有两个样本点，特征空间为...

写作目的 展示研究成果 对某一个问题的观点和看法 学术性论文 对实验工作素材有整理提高，形成论点 有所发现发明，有所创新 技术性论文 报道工程技术研究成果 技术的先进性、实...

本文系统梳理了贝叶斯分类器的核心理论与算法。首先介绍了贝叶斯决策论的基本公式和两种决策准则（最小错误率与最小风险）。重点讲解了朴素贝叶斯分类器的原理、计算步骤（包括先验概率...

本文系统介绍了机器学习中的线性模型，包括线性回归、对数几率回归和线性判别分析三大核心算法。重点讲解了线性回归的最小二乘法求解和L1/L2正则化特性，对比了岭回归与Lasso...

第2讲：模型选择与评估 —— 深度复习笔记 一、 核心理论：VC维与可学习性 (Computational Theory) 这部分通常考察选择题或简答题，核心是理解模型复杂...

图像分割是将图像划分为具有相似特征的区域，广泛应用于医学影像、遥感等领域。传统方法包括基于边缘（如Canny算子）、区域（如大津法）和形态学（如分水岭算法）的分割技术。深度...

1. 什么是“图像识别”？ 识别不仅仅是给图片打个标签，它包含多个层级的任务： 单目标分类：这是什么？（例如：那是一盏灯吗？） 目标检测：它在哪里？（例如：哪里有人？） 验...

摘要：本文介绍了图像形变与几何变换的类型，包括平移、刚体、相似、仿射和投影变换，并重点分析了单应性变换的特点及其在图像拼接中的应用。针对特征匹配中的误匹配问题，详细阐述了R...

摘要： 特征描述子是将图像关键点转换为向量以实现跨图像匹配的关键步骤。理想描述子需具备旋转、缩放、光照不变性和可判别性。常见方法包括简单图像块、MOPS（多尺度定向补丁）和...

本文探讨了特征检测在几何变换（如尺度变化）和光学变换下的稳定性问题，重点介绍了具有尺度不变性的Blob检测方法。首先区分了不变性与等变性概念：特征需对光学变换（光照）保持属...

本文探讨了计算机视觉中局部特征检测的核心问题及其应用。重点介绍了Harris角点检测器的数学原理，通过分析二阶矩矩阵H的特征值实现角点分类，并提出基于R评分的角点检测方法。...

本文探讨了图像缩放中的下采样与上采样技术。下采样时，朴素方法（直接丢弃行列）会导致走样问题，解决方案是采用高斯预滤波（低通滤波）以降低高频信号，满足奈奎斯特采样定理。...

本文介绍了图像边缘检测的基本原理与方法。边缘定义为图像强度函数变化迅速的区域，表现为阶跃型或屋顶型变化。边缘检测通过计算图像导数实现，一阶导数极值点和二阶导数过零点分别对应...

图像滤波通过改变像素值实现图像增强和信息提取，核心原理是利用像素间的空间相关性。低通滤波（如均值滤波）通过平均像素值去除噪点，但会使图像变模糊；高通滤波（如Sobel算子）...