Development(7985)
-
노이지 인스턴스 (noisy instance)
노이지 인스턴스 (noisy instance) · 인스턴스의 분포가 뒤섞여 있는 경우에 k-최근접 이웃을 통해 잘못된 분류를 방지할 수 있는 방법입니다. · 노이지 인스턴스라고해서 잡음이 아니고, 약한 군집성을 띄는 군집내의 데이터 분석이 쉽도록 증폭해주는 역할을 합니다.
-
k-평균군집의 절차 도식도
k-평균군집의 절차 도식도 클러스터 각각은 센트로이드(centroid; '평균'이라고도 부르므로 'k-means'라는 이름이 붙었습니다), 즉 개체 간 거리를 측정했을 때 그 중심 지점이 있습니다.(ㅁ 표시) 클러스터는 센트로이드에서 가장 가까운 개체와의 거리를 반복 계산하며 정해집니다. 이것이 비지도 학습입니다. 알고리즘이 알아서 처리하고 결과를 보면, 개체가 더 이상 다른 센트로이드로 이동하지 않는 지점까지 반복하여 계산합니다. 더 이상 반복이 없으면 k-means 클러스터링은 끝이 납니다. 새로운 데이터가 들어오면 거리를 계산해서 기준선에 따라 새로운 데이터를 분류해 주게 됩니다. 회색 점과의 거리가 녹색점과의 거리보다 더 가까우므로 새로운 빨간점은 회색으로 묶어집니다.
-
k개의 클러스터로 만드는 방법
k개의 클러스터로 만드는 방법· 입력값으로 k를 취하고 객체 집합을 k개의 클러스터로 만드는 방법입니다.· 원하는 군집 수만큼(k개) 초기값을 지정하고, 각 개체(데이터)를 가까운 초기값에 할당하여 군집을 형성한 뒤, 각 군집의 평균을 재계산하여 초기값을 갱신합니다.· 갱신된 값에 대해 위의 할당과정을 반복하여 k개의 최종군집을 형성합니다
-
1.Summary
요구사항 분석 절차 도식도(다이어그램)
-
OpenMarkov
OpenMarkov ≒ 오픈마르코프 오픈 소스 그래픽 모델링 도구 www.openmarkov.org OpenMarkov - wiki https://bitbucket.org/cisiad/org.openmarkov/wiki/Home
-
opencv/data/haarcascades/
opencv/data/haarcascades/https://github.com/opencv/opencv/tree/master/data/haarcascades haarcascade_eye.xmlhaarcascade_eye_tree_eyeglasses.xmlhaarcascade_frontalcatface.xmlhaarcascade_frontalcatface_extended.xmlhaarcascade_frontalface_alt.xmlhaarcascade_frontalface_alt2.xmlhaarcascade_frontalface_alt_tree.xmlhaarcascade_frontalface_default.xmlhaarcascade_fullbody.xmlhaarcascade_lefteye_2splits.x..