境外开放课程——按学科专业列表
开放课程→工程与技术科学→计算机科学技术→计算机科学技术基础学科::
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
![](functions/showpic.php?filename=2016052205235233.png)
Dimensionality Reduction by Feature Selection in Machine Learning[机器学习中的特征选择降维]
Dunja Mladenić(约瑟夫·斯特凡学院) 降维是机器学习中常用的一个步骤,特别是在处理高维特征空间时。将原始特征空间映射到一个新的降维线性空间上,并在新的空间中给出了机器学习算法要使用的例子。...
热度:25
Dunja Mladenić(约瑟夫·斯特凡学院) 降维是机器学习中常用的一个步骤,特别是在处理高维特征空间时。将原始特征空间映射到一个新的降维线性空间上,并在新的空间中给出了机器学习算法要使用的例子。...
热度:25
![](functions/showpic.php?filename=2016051804384699.png)
In search of Non-Gaussian Components of a High-Dimensional Distribution[高维分布的非高斯分布]
Motoaki Kawanabe(ATR脑信息交流研究实验室组) 在高维数据分析中,寻找非高斯分量是实现高效信息处理的重要预处理步骤。本文提出了一种新的线性方法来识别一个非常通用的半参数框架内的非高斯子空间。我们提出...
热度:43
Motoaki Kawanabe(ATR脑信息交流研究实验室组) 在高维数据分析中,寻找非高斯分量是实现高效信息处理的重要预处理步骤。本文提出了一种新的线性方法来识别一个非常通用的半参数框架内的非高斯子空间。我们提出...
热度:43
![](functions/showpic.php?filename=2020061208240652.png)
Sparsity analsysis of term weighting schemes and application to text classification[稀疏性分析的权重计算方案和文本分类中的应用]
Janez Brank(约瑟夫·斯特凡学院) 我们回顾了特征选择的一般实践,以确定尺寸和减少噪音。这通常包括基于某些加权方案对特征进行评分和排序,并选择排名靠前的特征进行进一步处理。实验表明,文本...
热度:24
Janez Brank(约瑟夫·斯特凡学院) 我们回顾了特征选择的一般实践,以确定尺寸和减少噪音。这通常包括基于某些加权方案对特征进行评分和排序,并选择排名靠前的特征进行进一步处理。实验表明,文本...
热度:24
![](functions/showpic.php?filename=2016051804034754.png)
Classification of high dimensional data: High Dimensional Discriminant Analysis[高维数据的分类:高维判别分析]
Charles Bouveyron(美国IMAG工业公司) 提出了一种新的判别分析方法,即高维判别分析法。我们的方法是基于高维数据存在于不同的低维子空间的假设。因此,hdda独立地减少每个类的维数,并将类条件协方差...
热度:86
Charles Bouveyron(美国IMAG工业公司) 提出了一种新的判别分析方法,即高维判别分析法。我们的方法是基于高维数据存在于不同的低维子空间的假设。因此,hdda独立地减少每个类的维数,并将类条件协方差...
热度:86
![](functions/showpic.php?filename=2016052404324233.png)
Learning Structural Support Vector Machines with Latent Variables[学习结构支持向量机的潜变量]
Chun-Nam Yu(康奈尔大学)
热度:43
Chun-Nam Yu(康奈尔大学)
热度:43
![](functions/showpic.php?filename=2016070607502967.png)
![](functions/showpic.php?filename=2016060308462257.png)
![](functions/showpic.php?filename=2016052902245172.png)
Integrating Ontological Prior Knowledge into Relational Learning[本体论先验知识在关系学习中的整合]
Volker Tresp;Stefan Reckow(马克斯普朗克研究所)
热度:26
Volker Tresp;Stefan Reckow(马克斯普朗克研究所)
热度:26
![](functions/showpic.php?filename=2016060308441794.png)
Relation-Prediction in Multi-Relational Domains using Matrix-Factorization[基于矩阵分解的多关系域关系预测]
Hans-Peter Kriegel; Stefan-Hagen Weber;Christoph Lippert; Yi Huang; Matthias Schubert, Volker Tresp(慕尼黑大学)
热度:57
Hans-Peter Kriegel; Stefan-Hagen Weber;Christoph Lippert; Yi Huang; Matthias Schubert, Volker Tresp(慕尼黑大学)
热度:57
![](functions/showpic.php?filename=2016060308301065.png)
Joint Kernel Support Estimation for Structured Prediction[结构化预测的联合核支持估计]
Christoph Lampert;Matthew B. Blaschko(马克斯普朗克研究所)
热度:38
Christoph Lampert;Matthew B. Blaschko(马克斯普朗克研究所)
热度:38
![](functions/showpic.php?filename=2016060308275848.png)
![](functions/showpic.php?filename=2016060308342886.png)
Joint Learning of Multiple Structured Output Prediction Tasks[多结构输出预测任务的联合学习]
Yasemin Altun(芝加哥大学)
热度:35
Yasemin Altun(芝加哥大学)
热度:35
![](functions/showpic.php?filename=2016052902504120.png)
Nonparametric estimation of the error distribution in software testing[软件测试中误差分布的非参数估计]
Alexander Meister(乌尔姆大学) 介绍了一种基于加性关系的非参数误差分布估计方法,并将其应用于软件测试。其中,我们面临一个非线性统计逆问题,可以用傅立叶方法求解。我们推导了精确的置信区...
热度:36
Alexander Meister(乌尔姆大学) 介绍了一种基于加性关系的非参数误差分布估计方法,并将其应用于软件测试。其中,我们面临一个非线性统计逆问题,可以用傅立叶方法求解。我们推导了精确的置信区...
热度:36
![](functions/showpic.php?filename=2016061506443834.jpg)
Consistency of random forests and other averaging classifiers[随机森林和其他分类的平均连接器的一致性]
Gérard Biau(耶鲁大学) 在他生命的最后几年里,LeoBreiman推广随机森林用于分类。他建议用平均法来获得良好的歧视规则。用于求平均值的基本类是简单随机的,通常基于数据的随机样本。关...
热度:39
Gérard Biau(耶鲁大学) 在他生命的最后几年里,LeoBreiman推广随机森林用于分类。他建议用平均法来获得良好的歧视规则。用于求平均值的基本类是简单随机的,通常基于数据的随机样本。关...
热度:39
![](functions/showpic.php?filename=2016052902345241.png)
Metric Anomaly Detection Via Asymmetric Risk Minimization[非对称风险最小化度量异常检测]
Eitan Menahem(内盖夫本-古里安大学) 我们提出了似乎是第一个只从正面例子中学习的异常检测框架,并且对正常点和异常点的表现和惩罚的实质性差异非常敏感。我们的框架引入了一种新型的不对称性,即错...
热度:44
Eitan Menahem(内盖夫本-古里安大学) 我们提出了似乎是第一个只从正面例子中学习的异常检测框架,并且对正常点和异常点的表现和惩罚的实质性差异非常敏感。我们的框架引入了一种新型的不对称性,即错...
热度:44