Passer au contenu principal
Graph
Search
fr
en
Se Connecter
Recherche
Tous
Catégories
Concepts
Cours
Séances de cours
MOOCs
Personnes
Exercices
Publications
Start-ups
Unités
Afficher tous les résultats pour
Accueil
Concept
Algorithme de Lloyd-Max
Applied sciences
Information engineering
Apprentissage automatique
Apprentissage non supervisé
Graph Chatbot
Séances de cours associées (13)
Connectez-vous pour filtrer par séance de cours
Connectez-vous pour filtrer par séance de cours
Réinitialiser
Précédent
Page 1 sur 2
Suivant
Introduction à la mécanique structurale
Introduit des concepts de mécanique structurale tels que les charges distribuées, les centroïdes et l'équilibre en 2D et 3D.
Problème de vecteur le plus proche: cellules de Voronoi
Explore le problème vectoriel le plus proche et les cellules Voronoi dans les algorithmes de réduction de réseau.
K-means Clustering: Algorithme de Lloyd et espace RVB
Explique le clustering K-means avec l'algorithme de Lloyd et l'espace RVB pour la segmentation des couleurs.
Traitement d'image I: quantification et analyse d'histogramme
Explore la quantification d'images, l'analyse d'histogrammes et le compromis entre la résolution spatiale et celle en niveaux de gris.
Clustering: Méthodes hiérarchiques et méthodes K-means
Introduit des méthodes de regroupement hiérarchique et k-means, en discutant des approches de construction, des fonctions de liaison, de la méthode de Ward, de l'algorithme Lloyd et de k-means++.
Problème de vecteur le plus proche: cellules de Voronoi
Explore le problème de vecteur le plus proche dans les réseaux et le rôle des cellules de Voronoi dans la détermination du vecteur le plus proche.
Algorithme de K-means: Démo
Introduit l'algorithme k-means pour regrouper les points de données en fonction des centroïdes et des mises à jour itératives.
K-Means: Mise en œuvre et analyse
Couvre la mise en œuvre et l'analyse de l'algorithme K-Means, y compris l'initialisation du centroïde, l'attribution de points et l'impact du bruit.
Clustering K-Means : Compression d'image
Couvre l'algorithme K-means pour la compression d'image et PCA pour la réduction de dimensionnalité.
Techniques de clustering : K-means et DBSCAN
Explore les techniques de regroupement k-means et DBSCAN, couvrant les types d'affectation et de classification des points de données.