个人学习(十三)
来源:互联网 发布:node schedule 中断 编辑:程序博客网 时间:2024/05/21 23:33
SURT采用henssian矩阵获取图像局部最值还是十分稳定的,但是在求主方向阶段太过于依赖局部区域像素的梯度方向,有可能使得找到的主方向不准确,后面的特征向量提取以及匹配都严重依赖于主方向,即使不大偏差角度也可以造成后面特征匹配的放大误差,从而匹配不成功;另外图像金字塔的层取得不足够紧密也会使得尺度有误差,后面的特征向量提取同样依赖相应的尺度,发明者在这个问题上的折中解决方法是取适量的层然后进行插值。
Bag of words方法没有考虑特征点的相对位置,而每类物体大都有自己特定的结构,这方面的信息没有利用起来。用上面一贯的类比,就好像搜索引擎只使用了单词频率,而没有考虑句子一样,没有结构的分析。
(1) SVM算法对大规模训练样本难以实施
由于SVM是借助二次规划来求解支持向量,而求解二次规划将涉及m阶矩阵的计算(m为样本的个数),当m数目很大时该矩阵的存储和计算将耗费大量的机器内存和运算时间。针对以上问题的主要改进有有J.Platt的SMO算法、T.Joachims的SVM、C.J.C.Burges等的PCGC、张学工的CSVM以及O.L.Mangasarian等的SOR算法
(2) 用SVM解决多分类问题存在困难
经典的支持向量机算法只给出了二类分类的算法,而在数据挖掘的实际应用中,一般要解决多类的分类问题。可以通过多个二类支持向量机的组合来解决。主要有一对多组合模式、一对一组合模式和SVM决策树;再就是通过构造多个分类器的组合来解决。主要原理是克服SVM固有的缺点,结合其他算法的优势,解决多类问题的分类精度。如:与粗集理论结合,形成一种优势互补的多类问题的组合分类器。
阅读全文
0 0
- 个人学习(十三)
- 学习笔记(十三)
- Unix学习(十三)
- XML学习基础(十三)
- 软件工程视频学习(十三)
- java学习笔记(十三)
- Hibernate学习笔记(十三)
- Linux学习笔记(十三)
- 学习笔记(二十三)
- Linux Socket学习(十三)
- Linux学习笔记(十三)
- Java学习笔记(十三)
- Java学习笔记(十三)
- OpenGL入门学习(十三)
- Java学习笔记(十三)
- python 学习笔记(十三)
- OpenGL入门学习(十三)
- 数据库学习笔记(十三)
- 【用Python学习Caffe】7. 网络结构的修剪
- Struts2 path 路径问题说明
- Nigix服务器的安装
- unity3D 模型不受雾效的影响
- POJ 1828 Monkeys' Pride 笔记
- 个人学习(十三)
- lec5-变换域下的隐写术 (1)
- PAT--L2-020. 功夫传人
- jQuery中的detach()方法解析
- apache-flume-1.7.0安装及测试
- 什么是百度权重 百度指数词
- /mnt/backup/android-x86_64-nougat-mptcp/kernel/arch/x86/configs/android-x86_64_defconfig
- Oracle PL/SQL开发基础(第十九弹:集合的异常处理)
- DNN网络结构设计浅析之GoogLeNet