本节中我们将使用DGL批处理多个大小和形状可变的图形。 使用包含如下8种类型图的数据集。 图像由于张量大小一致，很容易就可以进行批量学习。图如何进行批量学习? 图批量学习主要有以下两个挑战。 1. 图是稀疏的。 2. 不同图中的节点数和边数 ...

非监督分类的概念： 非监督分类，又称“聚类分析或者点群分析”。在多光谱图像中搜寻、定义其自然相似光谱集群的过程。它不必对图像地物获取先验知识，仅依靠图像上不同地物光谱信息进行特征提取，在统计特征的差别来达到分类的目的，最后对已分出的各个类别的实际属性进行确认。 在ENVI中 ...

半监督学习 主动学习 用已标记样本训练出一个模型，用模型对未标记样本进行预测，选出对改善性能有帮助（比如选出那些不太确定的未标记样本）的样本，向专家征求最终标记的意见，并将专家意见作为标记，将该样本加入训练集得出新模型，不断重复这个工作。 关键：外界因素，即专家经验 ...

继续上一篇的内容,上一篇讲解了Bootstrap Your Onw Latent自监督模型的论文和结构： https://juejin.cn/post/6922347006144970760 现在我们看看如何用pytorch来实现这个结构，并且在学习的过程中加深对论文的理解。 github ...

摘要 图结构数据上进行半监督学习的可拓展方法。该方法基于 直接在图上操作的卷积神经网络 的有效变体。 通过 谱图卷积的局部一阶近似 来激励我们选择 卷积结构。我们的模型在 图边 上的数量（number of graph edges）上线性缩放，并且学习隐藏层表示（其encode 局部图结构 ...

。 　　　　 4.选择分类方法，包括监督分类（IsoData和K-Means），非监督分类（平行六面体， ...

无监督学习(unsupervised learning) 没有已知标签的训练集，只给一堆数据集，通过学习去发现数据内在的性质及规律。 K-Means聚类算法步骤 随机取k个样本作为初始均值向量（或者采用别的方式获取初始均值向量）； 根据每个样本与均值向量的距离来判断各个样本所属的蔟 ...

该算法由facebook在2016年开源，典型应用场景是“带监督的文本分类问题”。 模型 模型的优化目标如下： 其中，$<x_n,y_n>$是一条训练样本，$y_n ...