聚类

wangxiaoxuan2176 天前
机器学习·数据挖掘·机器人·聚类·科沃斯八界
从深度图到点云:投影、滤波、降采样与聚类机器人软件与具身智能 · 第三部分:视觉与三维感知 · 第 15 篇前两篇确定了像素射线、深度和相机安装关系。本篇把这些关系用于整张深度图,再解释点云为什么需要滤波、体素化、平面估计和聚类。所有数值来自可运行的合成场景,不是八界实机采集结果。
Godspeed Zhao8 天前
学习·机器学习·聚类
从零开始学AI25——无监督学习之层次聚类层次聚类如同“修家谱”,通过逐步合并最相似的数据点,构建层级结构。自底向上法(最常用)从每个数据为独立簇开始,不断合并距离最近的簇,形成树状图(Dendrogram),可灵活选择聚类数量。相比K-Means需预设类别数,层次聚类提供全景式关系分析,适用于生物分类、组织架构、文档主题分层等场景。常用链接策略包括Ward法(方差最小)、平均距离与最小/最大距离,各有优劣。虽计算复杂度高(O(N³)),但对小规模数据能揭示深层结构,是探索性数据分析的利器。
AI的探索之旅17 天前
opencv·kmeans·聚类
OpenCV Day40 —— K-means 聚类与 EM 高斯混合横轴是簇数 K(从 2 到 64),琥珀色是簇内平方误差 SSE(对数轴,越低越好),绿色是量化后图像的 PSNR(越高越好)。红色竖线是拐点,落在 K=4。
CS创新实验室20 天前
人工智能·kmeans·聚类
没有标签的数据,怎么“自动分成几堆“?——K-means 聚类的原理与坑这篇文章讲 K-means 的算法步骤、目标函数、收敛性,以及两个著名的问题——k 值怎么选、初始化怎么不"踩坑"(k-means++)——配可运行的代码。
夏天的清晨20 天前
人工智能·机器学习·聚类
聚类与2-OPTK-means 是一种聚类方法:它把一批数据分成 K 组,让同一组里的点尽量靠近彼此。在你的项目里,一个城市就是地图上的一个点,例如坐标 (x, y)。设定 K=32,意思是想把这些城市分成 32 个片区。这里的 K 是簇的数量,不是算法运行次数。
小宋102124 天前
人工智能·回归·kotlin·聚类
用户点踩后怎么变成回归用例:请求快照、反馈聚类与复现率验收上线三个月,运营后台攒了一千多条点踩,研发的回归集只增加了 27 条。周会上产品问了一句“用户都点踩了,为什么测试还是绿的”,会议室安静了几秒。
FPGA信号处理25 天前
数据挖掘·回归·聚类
【模式识别】第五讲:核方法、支持向量回归与聚类上一讲最后留了一个思考:非线性怎么办。回答它之前,先把前两节过一遍。线性可分的情况,找的是间隔最大的分类面。从几何上看是两类样本中间最宽那条带子的中线。建模成二次规划,目标最小化权重的模,约束每个样本都被分对、还要留出间隔。90 年代讲这个模型,举的例子是一幅 1024×10241024\times10241024×1024 的图像,展开上百万维;那时候互联网还没起来,一个图像分类问题能有上千个样本就算大了。上千个样本、上百万个参数,原问题直接解不现实,于是转对偶。转过去之后未知数从权重变成乘子,个数跟样
机器学习之心1 个月前
matlab·数据挖掘·聚类
给地铁牵引系统做一次“体检“:灰色聚类 + 正态云模型的MATLAB完整实现发布信息卡一列地铁每天在线上跑十几个小时,受电弓磨得怎么样、牵引电机温度高不高,过去靠检修师傅的经验判断。经验可靠,但说不清两件事:这个系统到底处于哪一级健康状态,以及这个判断本身有多大把握。
SEO_juper1 个月前
开发语言·人工智能·python·聚类·seo·独立站
手写 llms.txt 验证器:让 AI 更愿意引用你的网站(GEO)GEO(Generative Engine Optimization,生成式引擎优化)这两年火起来,核心目标是让 ChatGPT、Perplexity 这类 AI 在回答问题时更愿意引用你的内容。其中有个越来越被认可的入口,叫 llms.txt:一个放在网站根目录、专门给大模型看的说明文件。
阿特曼不打小怪兽1 个月前
聚类·百创智造ffpe
FFPE中的rds和h5ad聚类标签互相添加百创智造FFPE空间转录组上游分析,我们再聚类的时候选择了三种方法:Seurat聚类,Kmeans聚类,Graph-based聚类。其中seurat聚类得到的数据类型是RDS格式,存放在BSTViewer_project/cluster/level/seurat/L*/object.RDS,kmean和Graph-based聚类得到到数据类型是h5ad格式,存放在BSTViewer_project/cluster/level/kmeans_graph/L*/L*_clustered.h5ad
奕鼎竜瑆1 个月前
学习·数据挖掘·聚类
无监督学习:聚类与降维有监督学习有"标准答案"(标签),无监督学习没有——它要从数据自身结构中"发现"规律。 本文覆盖两大无监督任务:聚类(把相似的样本分到一堆)和降维(把高维数据压到低维便于可视化与分析),全程配 sklearn / umap-learn 代码。
袖清暮雨1 个月前
人工智能·机器学习·ai·聚类
机器学习之其他聚类(层次聚类+DBSCAN算法)层次聚类 与 DBSCAN算法 解释 无监督学习。层次聚类核心概念:层次聚类是一种无需预先指定簇数量的聚类方法。它通过逐步合并或分裂数据点,构建出一个层次化的聚类结构。
袖清暮雨1 个月前
机器学习·kmeans·聚类
机器学习之K-means聚类K-means聚类属于无监督学习中最经典、最实用的迭代式聚类算法。无监督学习:不需要标签数据,算法**自主发现数据中的规律、相似性和差异性**(核心任务是聚类)。
卷毛迷你猪1 个月前
大数据·hadoop·数据挖掘·聚类
快速实验篇(B16)用户级预测可行性审计(否定性意见)B15 把协同过滤放到推荐系统任务上,得到的是负结果:在 100 用户 × 20 品类、训练集完全密集、测试集接近全满的数据上,CF 不优于随机,这件事说明推荐系统在这份数据上没有施展空间。
ZhangJun951 个月前
人工智能·python·算法·kmeans·聚类·knn
Mobike 共享单车分析项目这个项目从单车骑行订单中分析用户的时间、距离与停放位置。核心目标是找出高频停车热点,为停车架、电子围栏、巡检和车辆调度提供数据依据。
卷毛迷你猪1 个月前
大数据·hive·hadoop·数据挖掘·聚类
快速实验篇(B12)异常流量与刷单识别(方法论演示)B12 的使命,从名字上看很直白:异常流量与刷单识别。这是电商风控里最刚需的一类分析:从一堆用户行为日志里,找出那些"看起来不太正常"的行为——比如同一个账号反复下单又取消、比如支付次数远高于下单次数、比如某个搜索词忽然被大量搜索。
卷毛迷你猪2 个月前
机器学习·数据挖掘·聚类
快速实验篇(B11)用户 RFM 与聚类分群实战B11 的使命是做用户 RFM 与聚类分群,回答"高价值、潜力、流失用户是谁"。这是电商里最经典的一类用户运营分析。RFM 是 Recency、Frequency、Monetary 三个维度的缩写:
这张生成的图像能检测吗2 个月前
聚类·注意力机制·视频生成
(论文速读)AdaCluster:让视频 DiT 的稀疏注意力学会“区别对待”Q 和 K论文题目: AdaCluster: Adaptive Query-Key Clustering for Sparse Attention in Video Generation 中文翻译: AdaCluster:面向视频生成稀疏注意力的自适应 Query-Key 聚类 会议: CVPR 2026 源码: https://github.com/USTC-MLSys-Team/Adacluster
梦帮科技2 个月前
人工智能·深度学习·算法·机器学习·tensorflow·聚类·剪枝
多任务权重流形融合:SLERP 球形线性插值、DARE 稀疏剪枝与多专家模型融合落地专栏名称:《QNL-36:从量子张量网络到端侧异构认知大模型全栈实战》 分卷归属:卷五·流形融合、DPO 对齐与量化感知微调(Volume V: Manifold Fusion, DPO Alignment & QAT) 文档编号:QNL-36-VOL05-ART20 主笔专家:QNL-019 SLERP-MERGE(流形融合专家)· QNL-017 LORA-MANIFOLD(低秩流形架构专家) 联署质检:QNL-031 VRAM-GUARD(显存守卫架构师)· QNL-008 DYNAMIC-GRAP
haerapi2 个月前
数据挖掘·php·聚类
RAPTOR 树不是把文档简单分组:递归聚类的层级检索排行榜中的 RAPTOR 树选题把检索从平面候选提升到层级摘要。本文独立实现一个不依赖模型的向量聚类原型:先分配叶节点,再递归合并代表向量,查询时同时检查父摘要和子文档,说明停止条件、复杂度与摘要误差边界。