精华内容
下载资源
问答
  • 图像特征匹配算法评价框架,石波,索春宝,图像特征匹配技术在图像拼接、数字摄影测量等领域有着广泛的应用,因各类应用对其需求的多样化而快速发展,不同的图像特征匹配算
  • 元启发式多目标优化的评判指标的matlab代码,包括spread\IGD\GD\RNI从多样性、收敛性等角度评价多目标优化算法
  • 多目标进化算法评价

    2018-12-07 12:04:47
    多目标算法性能评价,基本上包括了所有的评价方法,有MATLAB和C++两个版本。
  • 聚类算法评价指标
  • 算法和算法评价

    万次阅读 多人点赞 2019-07-05 20:42:11
    一、算法的基本概念 算法是对特定问题求解步骤的一种描述,它是指令的有限序列,其中的每条指令表示一个或多个操作。具有以下性质: 1.有穷性:一个算法必须总是在执行有穷步之后结束,且每一步都可在有穷时间内...

    一、算法的基本概念

     

    算法是对特定问题求解步骤的一种描述,它是指令的有限序列,其中的每条指令表示一个或多个操作。具有以下性质:

    1.有穷性:一个算法必须总是在执行有穷步之后结束,且每一步都可在有穷时间内完成

    2.确定性:算法中每条指令必须有确切的含义,不会产生二义性,对于相同的输入只能得出相同的输出。

    3.可行性:一个算法是可行的,即算法中描述的操作都是可以通过已经实现的基本运算执行有限次来实现的。

    4.输入:一个算法有零个或多个输入,这些输入取自于某个特定的对象的集合。

    5.输出:一个算法有一个或多个输出,这些输出是与输入有着某种特定关系的量。

    我们的目标是设计出正确、可读、健壮、高效率、低存储量需求的算法!

     

    二、算法效率的度量:时间复杂度与空间复杂度

    1.时间复杂度

     

    (1)基本概念

           一个语句的频度是指该语句在算法中被重复执行的次数。算法中所有语句的频度之和记为T(n),它是该算法问题规模n的函数,时间复杂度主要分析T(n)的数量级,因此通常采用算法中基本运算的频度f(n)来分析算法的时间复杂度。因此,算法的时间复杂度记为

    T(n)=O(f(n))。

    式中,O的含义是T(n)的数量级,其严格的数学定义是:若T(n)和f(n)是定义在正整数集合上的两个函数,则存在正常数C和n0 ,使得当n≥n0 时,都满足0≤T(n)≤Cf(n)。

           算法的时间复杂度不仅依赖于问题的规模n,也取决于待输入数据的性质(如输入数据元素的初始状态)

           例如,在数组[0…n-1]中,查找给定值k的算法大致如下:

           (1)i=n-1;

           (2)while(i≥0&&(A[i]!=k)

           (3)i--;

           (4)return i;

    在上面的算法中语句(3)为基本运算,我们令t=i,则程序结束条件为t=n-1,也就是基本运算执行了n-1次,所以时间复杂度为O(n);

           当然,我们在上面也说过,时间复杂度也与输入元素取值有关,例如在上例中,若A中没有与k相同的元素,则(3)语句频度为f(n)=n;若A中最后一个元素为k,则语句(3)频度f(n)=0。

           据此,我们得到最坏时间复杂度,平均时间复杂度,最好时间复杂度。

     

    (2)最坏时间复杂度、平均时间复杂度、最好时间复杂度

    最坏时间复杂度:在最坏情况下,算法的时间复杂度。

    平均时间复杂度:在所有可能输入实例在等概率出现的情况下,算法的期望运行时间。

    最好时间复杂度:在最好情况下,算法的时间复杂度

    一般总是考虑在最坏情况下的时间复杂度,以保证算法的运行时间不会比它更长。

     

    (3)计算规则

     

    a.加法规则

     

    b.乘法规则

     

    常用渐进时间复杂度为

     

    2.空间复杂度

           算法的空间复杂度S(n)定义为该算法所耗费的存储空间,它是问题规模n的函数。渐进空间复杂度也常简称为空间复杂度,记为S(n)=O(g(n))

     

    展开全文
  • 点击上方“小白学视觉”,选择加"星标"或“置顶”重磅干货,第一时间送达 本文转自:磐创AI1. 典型聚类算法1.1 基于划分的方法代表:kmeans算法·指定k个聚类中心...

    点击上方“小白学视觉”,选择加"星标"或“置顶

    重磅干货,第一时间送达
    
    

    本文转自:磐创AI

    1. 典型聚类算法

    1.1 基于划分的方法

    代表:kmeans算法

    ·指定k个聚类中心
    ·(计算数据点与初始聚类中心的距离)
    ·(对于数据点,找到最近的{i}ci(聚类中心),将分配到{i}ci中)
    ·(更新聚类中心点,是新类别数值的均值点)
    ·(计算每一类的偏差)
    ·返回
    返回第二步

    1.2 基于层次的方法

    代表:CURE算法

    ·每个样本作为单独的一个类别
    ·
    ·合并,
    ·遍历完本次样本,合并成新的类别后,若存在多个类别,则返回第二步
    ·遍历完本次样本,合并成新的类别后,若所有样本为同一类别,跳出循环,输出每层类别

    1.3 基于网格的方法

    代表:STING算法

    ·将数据集合X划分多层网格结构,从某一层开始计算
    ·查询该层网格间的属性值,计算属性值与阈值的关系,判定网格间的相关情况,不相关的网格不作考虑
    ·如果网格相关,则进入下一层的相关区域继续第二步,直到下一层为最底层
    ·返回相关网格结果

    1.4 基于密度的方法

    代表:DBSCAN算法

    ·输入数据集合X,随机选取一点,并找出这个点的所有高密度可达点
    ·遍历此点的所有邻域内的点,并寻找这些密度可达点,判定某点邻域内的点,并寻找这些点密度可达点,判定某点的邻域内的点数是否超过阈值点数,超过则构成核心点
    ·扫描数据集,寻找没有被聚类的数据点,重复第二步
    ·输出划分的类,并输出异常值点(不和其他密度相连)

    1.5 神经网络的方法

    代表:SOM算法

    ·数据集合,权重向量为,归一化处理
    ·寻找获胜的神经元,找到最小距离,对于每一个输入数据,找到与之最相匹配的节点
    的距离,更新权重:
    ·更新临近节点,,其中代表学习率

    1.6 基于图的聚类方法

    代表:谱聚类算法

    ·计算邻接矩阵,度矩阵
    ·计算拉普拉及矩阵
    ·计算归一化拉普拉斯矩阵
    ·计算的特征值和特征向量
    ·对Q矩阵进行聚类,得到聚类结果

    2. 聚类算法的评价指标

    一个好的聚类方法可以产生高品质簇,是的簇内相似度高,簇间相似度低。一般来说,评估聚类质量有两个标准,内部质量评价指标和外部评价指标。

    2.1 内部质量评价标准

    内部评价指标是利用数据集的属性特征来评价聚类算法的优劣。通过计算总体的相似度,簇间平均相似度或簇内平均相似度来评价聚类质量。评价聚类效果的高低通常使用聚类的有效性指标,所以目前的检验聚类的有效性指标主要是通过簇间距离和簇内距离来衡量。这类指标常用的有CH(Calinski-Harabasz)指标等

    CH指标

    CH指标定义为:

    其中表示类间距离差矩阵的迹,表示类内离差矩阵的迹,是整个数据集的均值,是第个簇的均值,代表聚类个数,代表当前的类。值越大,聚类效果越好,主要计算簇间距离与簇内距离的比值

    簇的凝聚度

    簇内点对的平均距离反映了簇的凝聚度,一般使用组内误差平方(SSE)表示:

    簇的邻近度

    簇的邻近度用组间平方和(SSB)表示,即簇的质心到簇内所有数据点的总平均值的距离的平方和

    2.2 外部质量评价标准

    外部质量评价指标是基于已知分类标签数据集进行评价的,这样可以将原有标签数据与聚类输出结果进行对比。外部质量评价指标的理想聚类结果是:具有不同类标签的数据聚合到不同的簇中,具有相同类标签的数据聚合相同的簇中。外部质量评价准则通常使用熵,纯度等指标进行度量。

    熵:

    簇内包含单个类对象的一种度量。对于每一个簇,首先计算数据的类分布,即对于簇,计算簇的成员属于类的概率

    其中表示簇中所有对象的个数,而是簇中类的对象个数。使用类分布,用标准公式:

    计算每个簇的熵,其中K是类个数。簇集合的总熵用每个簇的熵的加权和计算即:

    其中是簇的个数,而是簇内数据点的总和

    纯度:

    簇内包含单个类对象的另外一种度量。簇的纯度为,而聚类总纯度为:

    下载1:OpenCV-Contrib扩展模块中文版教程

    在「小白学视觉」公众号后台回复:扩展模块中文教程即可下载全网第一份OpenCV扩展模块教程中文版,涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

    下载2:Python视觉实战项目52讲

    在「小白学视觉」公众号后台回复:Python视觉实战项目即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目,助力快速学校计算机视觉。

    下载3:OpenCV实战项目20讲

    在「小白学视觉」公众号后台回复:OpenCV实战项目20讲即可下载含有20个基于OpenCV实现20个实战项目,实现OpenCV学习进阶。

    交流群

    欢迎加入公众号读者群一起和同行交流,目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群(以后会逐渐细分),请扫描下面微信号加群,备注:”昵称+学校/公司+研究方向“,例如:”张三 + 上海交大 + 视觉SLAM“。请按照格式备注,否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告,否则会请出群,谢谢理解~

    展开全文
  • 数据关系 数据结构三要素 逻辑结构 集合:数据元素同属一个集合,别无其他关系 线性结构:一对一 树:一对多 图:多对多 物理/存储结构 运算 运算的定义依赖于逻辑结构,运算的实现依赖于存储结构 算法及其算法评价 ...

    数据结构基本概念

    基本概念和术语

    在这里插入图片描述

    1. 数据:数据是信息的载体,信息是数据的内涵
    2. 数据元素:数据的基本单位,一个数据元素可由若干数据项组成
      在这里插入图片描述
    3. 数据项:数据项是构成数据元素不可分割的最小单位
      在这里插入图片描述
    4. 数据对象:数据对象是具有相同性质数据元素的集合,是数据的子集
      在这里插入图片描述
      在这里插入图片描述
    5. 数据类型:数据类型是一个值的集合以及定义在此集合上一组操作的总称
      数据类型=数据元素+数据操作
    • 原子类型 eg:int
    • 结构类型 eg:结构体
    • 抽象数据类型ADT:只需关心逻辑结构,无需关心具体实现、存储结构
      ADT 抽象数据类型
      {
      数据对象(数据对象的定义)
      数据关系(数据关系的定义)
      基本操作(基本操作的定义)
      }ADT 抽象数据类型名
    1. 数据结构:数据结构是相互之间存在一种或多种特定关系的数据元素的集合
      数据结构 = 数据元素 + 数据关系

    数据结构三要素

    在这里插入图片描述

    逻辑结构

    集合:数据元素同属一个集合,别无其他关系
    线性结构:一对一
    树:一对多
    图:多对多
    在这里插入图片描述
    在这里插入图片描述

    物理/存储结构

    在这里插入图片描述

    运算

    运算的定义依赖于逻辑结构,运算的实现依赖于存储结构

    算法及其算法评价

    算法基本概念

    在这里插入图片描述
    在这里插入图片描述

    算法是对特定问题求解步骤的描述

    把数据结构提供的基本操作/运算的有序组合运用去解决特定问题即算法
    在这里插入图片描述

    算法的五个特性:

    • 有穷性
      在这里插入图片描述

    • 确定性
      相同输入得到相同输出。

    • 可行性
      算法中描述的操作都可以通过已经实现的基本运算执行有限次来实现。

    • 输入
      一个算法有零个或多个输入,这些输入取自于某个特定的对象的集合。

    • 输出
      一个算法有一个或多个输出,这些输出是与输入有着某种特定关系的量。

    好算法特质

    • 正确性。算法应能够正确地解决求解问题。
    • 可读性
    • 健壮性。输入非法数据时,算法能适当地做出反应或进行处理,而不会产生莫名其妙的输出结果。
    • 高效率与低存储量需求。即时空复杂度低。

    算法效率

    时间复杂度T(n)

    在这里插入图片描述

    空间复杂度S(n)

    算法原地工作是指算法所需的辅助空间为常量,即S(n)=O(1)
    在这里插入图片描述

    展开全文
  • 改资源主要包含大量图像去雾算法,均为matlab实现,本人亲测可用!...里面还有一些针对去雾算法评价指标,可以直接运行,对于研究去雾算法的同学,可是很大的福利哈 赚点积分,下载下俩能够使用的不要忘了5星好评哈
  • 多目标跟踪算法评价指标

    千次阅读 2019-02-21 18:21:07
    标准CLEAR-MOT测量,包括: Multi-Object Tracking Accuracy(MOTA) Multi-ObjectTracking Precision (MOTP)这两个评价标准。 此外,额外引入了若干指标来进行评价:↑:表示得分越高越好,反之亦然。...

    转自:https://blog.csdn.net/yunduwu0010/article/details/53082883

    标准CLEAR-MOT测量,包括:

    • Multi-Object Tracking Accuracy(MOTA)
    • Multi-ObjectTracking Precision (MOTP)这两个评价标准。

    此外,额外引入了若干指标来进行评价:↑:表示得分越高越好,反之亦然。

    • Recall(↑):正确匹配的检测目标数/ground truth给出的目标数
    • Precision(↑):正确匹配的检测目标数/检测出的目标数
    • MT(↑):目标的大部分被跟踪到的轨迹占比(大于百分之八十)
    • ML(↓):目标的大部分跟丢的轨迹占比(小于百分之二十)
    • PT(↓):目标部分跟踪到的轨迹占比(1 - MT – ML)
    • FM(↓):真实轨迹被打断的次数
    • IDS(↓):一条跟踪轨迹改变目标标号的次数
    • MOTA(↑):结合了丢失目标,虚警率,标号转换之后的准确性
    • MOTP(↑)::所有跟踪目标的平均边框重叠率

    比如上面这是deepsort算法的表,可以看到几个评价标准、

    多目标跟踪经典测试集及其特点:

    • PETS09-S2L1:该视频主要挑战在于目标移动在高速非线性模式下,目标遮挡频繁。
    • PETS09-S2L2:存在严重遮挡。
    • TUD-Stadtmitte:视角低,相互遮挡严重,出现完全遮挡
    • ParkingLot:相互遮挡比TUD还要严重
    • TownCenter:16个人形随时可见导致了频繁遮挡,由于静态背景中存在沙滩导致部分目标不能被检测出。
    展开全文
  • 分析了几种机器学习常用算法的定义个特点,总结了 算法的优缺点,为算法优选提供参考。
  • 分类算法评价标准

    千次阅读 2017-04-06 16:37:08
    在不同的数据集上表现的效果也不同,我们需要根据特定的任务进行算法的选择,如何选择分类,如何评价一个分类算法的好坏,前面关于决策树的介绍,我们主要用的正确率(accuracy)来评价分类算法。正确率确实是一个很...
  • 多目标优化算法评价指标

    万次阅读 2018-11-26 20:47:44
    多目标进化算法解集的性能评价指标主要分为三个方面: 1)解集的收敛性评价(Convergence Performance, CP), 反映解集与真实Pareto前沿之间的逼近程度 2)解集的均匀性评价(Uniformity Performance, UP), 体现解...
  • 分类与预测算法评价

    千次阅读 2018-03-13 21:16:42
    1.背景分类与预测模型对训练集进行预测而得出的准确率并不能很好滴反映预测模型未来的性能,为了有效判断一个预测模型的性能表现,需要一组没有参与预测模型建立的数据集,并在该数据集上评价预测模型的准确率,哲族...
  • 提出了一种基于随机性检测的数字稳像算法客观评价方法。该方法首先估计出数字稳像算法输出视频的全局运动向量;然后将估计结果编码为二进制序列;最后利用随机性检测的方法来检验此二进制序列的随机性,并且根据序列...
  • 目标检测中算法评价指标FPS和mAp的原理和代码实现

    千次阅读 多人点赞 2020-10-13 11:30:00
    点击上方“码农的后花园”,选择“星标”公众号精选文章,第一时间送达FPS和mAP是目标检测算法的两个重要评估指标,FPS是用来评估目标检测的速度,即每秒内可以处理的图片数量或者处理一...
  • 针对此问题,研究了群控算法评价指标,将候梯时间、乘梯时间、电梯拥挤度、停靠次数、长时间候梯率、电梯输送能力、能耗等指标统一起来,形成一个完整的评价体系。在此基础上,研究并开发了电梯群控算法验证平台。...
  • 分割准确度评价算法

    2017-11-27 17:03:51
    算法主要针对与分割后的准确度进行评价,能够定量化的测定出分割的效果
  • 常用聚类算法以及算法评价

    千次阅读 2016-07-24 17:02:45
    聚类模型是一种非监督的学习方法,聚类的输入是一组未标记... 主要算法 划分方法 k-Means,k-Medoids(k中心点),CLANRANS(基于选择的算法) 层次分析方法 BIRCH(平均迭代规约和聚类),CURE(代表点聚类),CHAMELEON(动态
  • 进程调度是系统内部的低级调度,进程调度的策略通常 有先来先服务算法、时间片轮转算法、最高优先权优先调度 算法、最短进程优先调度算法等。衡量进程调度性能通常需 要从定性和定量两个方面来综合考虑。
  • 时间复杂度-算法评价的标准

    千次阅读 2018-09-21 13:45:00
    前言:算法,一直是每个程序员的心病,确是程序的核心,很多人觉得算法很难,没错,但是世界上真的有很难的事情吗?如果不去尝试,只去抱怨,不去尝试,我觉得可能一辈子也就只能当一名普通的程序员了。有一句老话说...
  • 数据挖掘分类算法评价指标

    千次阅读 2018-04-02 15:15:06
    在不同的数据集上表现的效果也不同,我们需要根据特定的任务进行算法的选择,如何选择分类,如何评价一个分类算法的好坏,前面关于决策树的介绍,我们主要用的正确率(accuracy)来评价分类算法。正确率确实是一个很...
  • 分类算法评价(集合)

    千次阅读 2016-10-14 12:02:22
    在不同的数据集上表现的效果也不同,我们需要根据特定的任务进行算法的选择,如何选择分类,如何评价一个分类算法的好坏,前面关于决策树的介绍,我们主要用的正确率(accuracy)来评价分类算法。  正确率确实是一...
  • 评价指标: (1)(True Postive TP): 若一个实例是正类,但是被预测成为正类,即为真正类 (2)(True Negative TN): 若一个实例是负类,但是被预测成为负类,即为真负类 (3)(False Postive FP): 若一个实例是负类,但是...
  • 深度学习算法评价标准AP bbox bev 3d

    千次阅读 2020-09-07 10:23:08
    深度学习算法的检测指标 深度学习算法测试的数据集一般采用公开的数据集进行训练和测试,比如常用的KITTI数据集。 深度学习算法的检测指标通常由bbox、bev、3d、aos四个检测指标 上述四个检测指标的含义: bbox:2D...
  • 分类与预测算法评价标准

    千次阅读 2017-10-28 15:56:46
    2.模型预测效果评价指标:相对/绝对误差、平均绝对误差、均方根误差、平均绝对百分误差。 绝对误差:E=Y-Y1;其中E为绝对误差,Y为实际值,Y1为预测值; 相对误差:e=(Y-Y1)/Y; 平均绝对误差: 均方误差:避免正负...
  • 聚类算法评价指标

    万次阅读 2016-09-03 17:24:36
    一、Not Given Label: 1、Compactness(紧密性)(CP) ... CP计算 每一个类 各点到聚类中心的平均距离 ...5.聚类评价指标 Rand Index,RI,Recall,Precision,F1 6.Evaluation of clustering 7.wiki
  • DIP关键算法-去噪算法评价标准

    千次阅读 2016-09-15 17:57:55
    去噪算法是图像处理里面一个基础的问题,对于去噪算法的好坏一个直接的判断就是视觉上的感知,但是这只能作为一个定性的判断,在实际的应用中,我们还需要进行定量分析,进而做出最终的判断。在实际中往往采用原始...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 151,923
精华内容 60,769
关键字:

算法评价