基于caffe的度量学习实现，主要是孪生网络和三元组网络（Siamese network & Triplet network）实现图像的分类和度量。包含训练测试脚本和python脚本。
2021-03-21 22:02:45
178.26MB
比较轨迹聚类方法
这是我的模式识别课程学期项目。 目标是在民用飞行数据上比较4种聚类算法（k型，高斯混合模型，dbscan和hdbscan）。 可以在report.pdf文件中找到更多详细信息。
产生的集群如下所示：
应用轨迹分割以减少采样点的数量，并使用hausdorff距离比较轨迹之间的相似性。
更新（2019年2月）
添加了一个演示项目的每个步骤。 首先请看一下，它比项目的其他部分更短，更容易理解。 它还在公共数据集上显示了这些步骤。
公开数据集：
集群轨迹：
2021-03-18 23:43:23
13.74MB
1
Ms-度量空间中某些压缩映射的不动点问题的Ulam-Hyers稳定性，适定性和极限遮蔽性
2021-03-15 21:09:18
699KB
1