![](https://static.zsdocx.com/FlexPaper/FileRoot/2019-3/14/18/752fc301-c3e8-4643-9406-3f298bf65996/752fc301-c3e8-4643-9406-3f298bf65996pic.jpg)
![基于SVDD的多示例學(xué)習(xí)方法的研究.pdf_第1頁](https://static.zsdocx.com/FlexPaper/FileRoot/2019-3/14/18/752fc301-c3e8-4643-9406-3f298bf65996/752fc301-c3e8-4643-9406-3f298bf659961.gif)
已閱讀1頁,還剩65頁未讀, 繼續(xù)免費閱讀
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于SVDD的單-多示例學(xué)習(xí)研究.pdf
- 基于代表示例選擇與SVDD的多示例學(xué)習(xí)算法研究.pdf
- 基于樣本加權(quán)的多示例多標記遷移學(xué)習(xí)方法研究.pdf
- 多示例多標記哈希學(xué)習(xí)方法研究.pdf
- 基于多示例學(xué)習(xí)的圖像分析方法研究.pdf
- 基于多示例學(xué)習(xí)的圖像檢索方法研究.pdf
- 基于K近鄰的多標簽學(xué)習(xí)方法研究.pdf
- 基于多示例多標記學(xué)習(xí)的圖像語義標注方法的研究.pdf
- 基于特征學(xué)習(xí)的多示例多標記學(xué)習(xí)研究.pdf
- 基于多信息融合的流形學(xué)習(xí)方法研究.pdf
- 多示例學(xué)習(xí)方法在乳腺鉬靶病灶圖像檢索中的應(yīng)用研究.pdf
- 基于主動學(xué)習(xí)的多示例多標簽學(xué)習(xí)算法研究.pdf
- 基于多示例學(xué)習(xí)的淺表器官超聲圖像分類方法研究.pdf
- 多智能體協(xié)作學(xué)習(xí)方法的研究.pdf
- 基于單源及多源的遷移學(xué)習(xí)方法研究.pdf
- 多視圖特征學(xué)習(xí)方法研究.pdf
- 基于示例加權(quán)支持向量機的多示例學(xué)習(xí)算法研究.pdf
- 基于多示例學(xué)習(xí)的圖像檢索算法研究.pdf
- 基于新型多標記集成學(xué)習(xí)方法的文本分類研究.pdf
- 復(fù)雜場景下的多視圖學(xué)習(xí)方法研究.pdf
評論
0/150
提交評論