小恒数科:揭秘AI背后的算法魔法

k均值聚类算法(k-meansclusteringalgorithm)原理:将数据分为K个组,通过计算每个对象与聚类中心的距离来进行分配,使得每个聚类内的数据点尽可能相近。应用:常用于客户细分、图像分割等领域。支持向量机(SupportVectorMachine,SVM)原理:一种监督学习下的二元分类器,通过求解最大边距超平面来找到最佳决策边界。

适用于空间组学的细胞图像特征提取和形态聚类

VISTA-2D模型使用图像编码器创建图像嵌入,然后将其转换成分割掩码(图1)。嵌入必须包含每个细胞的形态信息。图1.VISTA-2D网络架构如果能为每个细胞分割生成一个嵌入,那就可以对所有嵌入进行聚类,并自动将形态相似的细胞聚集在一起。本文将深入介绍随附的JupyterNotebook,展示如何创建一个将细胞快速分类的...

K均值聚类算法

图像分割:在计算机视觉中,可用于图像分割,将图像中的像素分为几个不同的区域。异常检测:可用于异常检测,通过将数据点聚类,找出那些与大多数数据点不同的异常数据点。社交网络分析:在社交网络分析中,K-means可用于发现社区结构,将相似的用户分为同一类。五、优缺点K-means算法的优点:简单易实现:原理简单,实现...

算法——层次聚类(Hierarchical Clustering)

3.选择最近的聚类对：在所有聚类对中，选择距离最近的两个聚类进行合并。4.更新距离矩阵：合并选定的聚类对后，更新距离矩阵以反映新的聚类结构。这一步是凝聚层次聚类的关键，因为不同的距离更新策略会导致不同的聚类结果。常见的更新策略包括：-最近邻（SingleLinkage）：新聚类与其它聚类之间的距离是其所有...

介绍一种基于道路分类特性的超快速车道检测算法

通过使用低级图像处理,传统方法本质上以自下而上的方式工作。主要思想是通过HSI颜色模型和边缘提取算法等图像处理来利用视觉线索。当然,最早也有尝试使用立体视觉系统的边缘提取算法来检测车道和障碍物的。除了使用不同颜色模型和边缘提取方法的特征之外,也有学者建议利用现实世界中车道通常是平行这一先验信息使用投影几何...

量化专题 · 基于聚类算法进行因子合成:综述篇

层次聚类算法是一种基于距离的聚类方法,它允许我们根据数据对象之间的相似性将它们划分为不同的级别(www.e993.com)2024年11月6日。这种算法通过迭代地形成集群,从而生成一个描述聚类层次结构的树状图。在层次聚类中,我们可以通过将单个点之间的距离泛化为点的子集之间的距离来完成点的合并或分割。这是通过使用称为联系度量的接近度量来确定的。

面向无人机自主着陆的视觉感知与位姿估计方法综述

为了解决无人机在无人艇自主降落过程中传统算法处理水面低照度图像适应性较差的问题,郭砚辉[51]将MSR理论与小波变换融合,提出一种低照度条件下的图像增强网络LLIE-Net,再基于视觉显著性分析理论,提出一种基于FastMBD的图像分割方法,该方法能够高效地计算目标的显著图,并通过自适应阈值分割和区域生长算法对无...

自动驾驶中用于目标检测和语义分割的Radar-Camera融合综述

Feng等人利用PointNet和PointNet++架构来展示神经网络在雷达点云分割中的潜力,他们的方法主要强调车道、护栏和道路标线分割的任务。为了避免对雷达点进行昂贵和耗时的手动标记,Kaul等人提出了一种弱监督的多类语义分割方法,将分割图像与激光雷达点相结合。由于雷达点云是通过滤波技术(如CFAR)生成的,它们在滤波噪声方面具...

晶圆表面缺陷检测方法综述【下】

由于簇状缺陷(如划痕、污渍或局部失效模式)导致难以检测,黄振提出了一种解决该问题的新方法。提出了一种利用自监督多层感知器检测缺陷并标记所有缺陷芯片的自动晶圆缺陷聚类算法(k-means聚类)。JinCH等提出了一种基于密度的噪声应用空间聚类(DBSCAN)的晶圆图案检测与分类框架,该框架根据缺陷图案特征选择性地去除异常...

AI产品经理必知的100个专业术语

回归分析是预测连续值输出的统计方法。常用方法包括线性回归、多元回归等。13、分类(Classification)分类是将输入数据分配到预定义类别中的任务。常用算法包括逻辑回归、支持向量机等。14、聚类(Clustering)聚类是将数据点分成多个组的过程,使得组内成员比组间成员更相似。常用方法包括K均值聚类。