利用半监督降维算法预测蛋白质亚细胞位置

isodata的matlab代码博客ISODATA 集群 迭代自组织数据分析技术（ISODATA）方法是对k-means聚类算法的改进（克服了k-means的缺点），对于多光谱图像的无监督分类非常有效。

PsyNet：使用点对称变换的对象自定位自我监督方法 “ PsyNet：使用点对称变换进行对象定位的自我监督方法”的官方Pytorch实现 此实现基于这些存储库。 预训练的检查点现在可用 请检查“测试”部分。 与...合作 李敏h （平等贡献） Hyunjung Shim （对应） 纸 该论文已被AAAI 2020接受。pdf可在获得。 注意 抽象 现有的共定位技术在准确性和推理时间上明显弱于弱或完全监督的方法。 在本文中，我们通过利用自我监督学习方法克服了共定位技术的共同缺点。 提出的方法的主要技术贡献是双重的。 1）我们设计了一种新的几何变换，即点对称变换，并将其参数用作自监督学习的

聚类分析是指将数据对象的集合分组为由类似的对象组成的多个类的分析过程。 基本概念 聚类（Clustering）就是一种寻找数据之间内在结构的技术。聚类把全体数据实例组织成一些相似组，而这些相似组被称作簇。处于相同簇中的数据实例彼此相同，处于不同簇中的实例彼此不同。 聚类技术通常又被称为无监督学习，与监督学习不同的是，在簇中那些表示数据类别的分类或者分组信息是没有的。 数据之间的相似性是通过定义一个距离或者相似性系数来判别的。图 1 显示了一个按照数据对象之间的距离进行聚类的示例，距离相近的数据对象被划分为一个簇。 图 1  聚类分析示意 聚类分析可以应用在数据预处理过程中，对于复杂结构的

概述 1.本程序用于中文新词发现。不依赖于已有词典、词库，输入中文文本，即可发现中文新词，属非监督式学习。 2.本程序支持中文2字新词、3字新词和4字新词的发现。 3.需要python3及以上。 算法参考 基于大规模语料的新词发现算法，顾森，《程序员》 不过，在顾森文章中提及的次数阈值、凝固度阈值、信息熵阈值是实数值，本程序支持基于统计的比值。 本程序，次数阈值、凝固度阈值、信息熵阈值参数设置分别为-c、-b、-e(统计比值)，-C、-B、-E(实数值)。 使用 cnwd.py Input Output [options] options: -c CountThresholdPercent,(0,1),default=0.5 -C CountThreshold -b BindThresholdPercent,(0,1),default=0.5 -B BindThreshol

 文中提出了一种肝脏在CT（Computed Tomography）图像中的半监督自动分割方法。该方法采用深度协同训练模型以解决医学图像领域中有标签数据获取困难且成本高的问题。首先利用有标签数据建立U-Net和2D V-Net两种分割网络，并分别对无标签数据进行分割，然后对分割结果进行粗略挑选，再进行精细挑选，最后将置信度较高的伪标签加入到训练集中，重复此过程直到对验证集分割结果的Dice值不再增大时为止。提出的方法可以减少迭代过程中累积的误差，在2017 Liver Tumor Segmentation（LiTS）数据集上的结果表明，该方法与全监督学习相比可以有效提高分割精度。

这些年在计算机视觉领域中的自监督学习- 计算机视觉.pdf

帮助同学快速回顾监督型算法的主要步骤。 包含机器学习监督类算法+集成学习模型（内容来自：《统计机器学习》+《集成学习》+集成学习论文梗概+知乎答主内容总结） 机器学习理论基础+朴素贝叶斯+感知机+决策树+SVM+随机森林+K近邻+GBDT+Adaboost+XGBoost+LightGBM

matlab精度检验代码航空航天工程师协会 打开Matlab应用程序。 将路径设置为包含代码的文件夹。 在matlab命令提示符下输入“ DatabasePreparationVideo”。 选择视频以提取功能并存储在数据库中。 退出DatabasePreparationVideo窗口。 在matlab命令提示符下输入“ Main_Gui_Face_Recogn_latest”。 点击运行，然后选择要测试的视频。 该应用程序将从视频中识别人脸并与数据库匹配。 如果找到匹配的视频，它将提供准确的匹配结果。

人工智能11监督学习