在利用深度学习开源代码测试自己数据时,会遇到对自己构建数据集进行均值和方差计算的问题。本资源有两个python脚本,在python3下编写,一个是直接求取原始数据集均值,一个是对拉成张量后的数据集进行均值和方差求取处理,用于transforms.Normalize()函数设置。
2021-05-25 15:58:13 1KB Mean Std
1
一、背景 1.项目描述 你拥有一个超市(Supermarket Mall)。通过会员卡,你用有一些关于你的客户的基本数据,如客户ID,年龄,性别,年收入和消费分数。 消费分数是根据客户行为和购买数据等定义的参数分配给客户的。 问题陈述:你拥有这个商场。想要了解怎么样的顾客可以很容易地聚集在一起(目标顾客),以便可以给营销团队以灵感并相应地计划策略。 2.数据描述 字段名 描述 CustomerID 客户编号 Gender 性别 Age 年龄 Annual Income (k$) 年收入,单位为千美元 Spending Score (1-100)
2021-05-11 09:47:03 1.17MB mean ns 算法
1
K均值聚类函数(matlab版本)
2021-05-10 13:02:18 1KB K-MENAS matlab
1
 针对Mean Shift算法不能跟踪快速目标、跟踪过程中窗宽的大小保持不变的特点。首先,卡尔曼滤波器初步预测目标在本帧的可能位置;其次, Mean Shift算法在这点的邻域内寻找目标真实的位置;最后,在目标出现大比例遮挡情况时,利用卡尔曼残差来关闭和打开卡尔曼滤波器。实验表明该算法在目标尺度变化、遮挡等情况下对快速运动的目标能够取得较好的跟踪效果。
1
该文档为数据挖掘中常用的分类算法K-means均值聚类算法,包含源码+详细步骤
2021-05-02 15:06:13 487KB k-mean python
1
R语言实现K-mean聚类并画出聚类图(非调用package)
2021-04-28 15:34:50 2KB K-mean Rlangu
1
基于Mean Shift的目标跟踪.pptx
2021-04-25 14:02:26 1.63MB 目标跟踪
1
MATLAB实现K-均值聚类算法,可以自由调整点集和聚类中心个数。 程序中包含函数,如MATLAB版本较低请将文件中的函数另外新建文件保存。
2021-04-19 16:11:46 76KB MATLAB K-均值聚类
1
针对点云数据进行Mean shift聚类,可以通过调整聚类算法的阈值以及搜索半径,来达到不同的聚类效果,内附有示例,运行test.m即可。
2021-04-15 09:31:42 88KB 三维点云 Mean shift聚类
1
关于k-means聚类的原理可以参考这篇博客: https://blog.csdn.net/sinat_36710456/article/details/88019323 本篇只讨论基本的代码实现,由于只是对一维数组的聚类,距离公式上比较简单:distance = |a – b| 适合初学者理解最基本的原理 所谓一维数组 比如: [12, 3, 56, 89, 78, 2, 12, 45, 255, 236] 以下代码实现的是对一组数字的聚类 类别的个数可以设置,改变参数n的值即可 代码如下(建议从最下边的主函数开始看起): import numpy as np impor
2021-04-13 20:25:29 30KB k-means mean ns
1