•co-expectation maximizationalgorithm；
nigam
和ghani
（2002
）提出通過
隨機分割的特性，手動地對多個檢視進行聯合訓練，即使沒有自然的多個檢視，也可以提高效能。他們還提出了一
種co-em
演算法，它擴充套件
了co-training
演算法的原始引導方法，在迭代批處理模式下同時對所有未標記的樣本進行操作。
•multi-viewactivelearning of co-testing；通過輸入
一些標記的和許多未標記的
示例，co-testing
使用少數標記的示例來學習每個檢視中的
假設模型。 然後將
學習的假設應用於所有未標記的示例，並檢測該
組不同標籤的未標記
示例；最後查詢其中乙個
未標記示例
，使用者將
新標記的示例新增到訓練集，並重複整個過程
。co-testing
可以保證為錯誤的檢視提供有用的資訊。
•multi-viewtransfer learning based on co-training；如張丹
(2011)
提出了一種大視角的多視角遷移學習方法。一方面，有效地利用來自源域的標記資料來構造大範圍分類器。另一方面，使用來自兩個域的資料來強加多個檢視之間的一致性。
基於邊緣改進的全域性閾值 opencv
99.97 時候的二值圖 為了視覺化，灰度值範圍設定為0 255 90 的二值圖 核心演算法 void edge threshold mat src uchar d data dst.data for int j 0 j dst.rows j long sum 0,amount 0 double p...
基於Hash技術改進Apriori演算法
基於hash技術改進的apriori演算法，也是採用兩階段挖掘的思想 第一階段挖掘頻繁項集，第二階段挖掘頻繁關聯規則。基於hash技術來產生頻繁項集，能夠在一定程度上減少由呼叫apriorigen方法生成候選頻繁項集的開銷。park等人研究發現，候選頻繁2 項集生成的過程中，計算量比較大，引入雜湊 ...
快速排序及其改進（基於荷蘭國旗問題）
1.在介紹荷蘭國旗問題前，我們先對如下問題進行介紹 給定乙個陣列arr，和乙個數num，請把小於等於num的數放在數 組的左邊，大於num的數放在陣列的右邊。要求額外空間複雜度o 1 時間複雜度o n 該問題實際是乙個劃分問題。思路 初始 小於等於區 最後乙個元素位置為 1 對陣列進行遍歷，cur與...