基于支持向量聚类的多聚焦图像融合算法. 从无监督机器学习角度提出了一种基于SVC(support vector clustering)的图像融合规则,解决了基于 SVM(support vector machine)的融合规则在处理多聚焦图像融合问题时所引起的区域混叠与非平滑过渡问题,进一步提高了融合图像的质量.-Based on support vector clustering algorithm for multi-focus image fusion. Never oversig

:流形学习是一种新的非监督学习方法,近年来引起越来越多机器学习和认知科学工作者的重视. 为了加深 对流形学习的认识和理解,该文由流形学习的拓扑学概念入手,追溯它的发展过程. 在明确流形学习的不同表示方 法后,针对几种主要的流形算法,分析它们各自的优势和不足,然后分别引用Isomap 和LL E 的应用示例. 结果表明, 流形学习较之于传统的线性降维方法,能够有效地发现非线性高维数据的本质维数,利于进行维数约简和数据分 析. 最后对流形学习未来的研究方向做出展望,以期进一步拓展流形

多示例学习是与监督学习、非监督学习和强化学习并列的第四类学习框架，目前已广泛应用于药物设计、图像搜索等领域,并已获得很好的效果。在多示例学习中，训练样本是由多个示例组成的包，包是有概念标记的，但示例本身却没有概念标记，学习的目的是预测新包的类别。-Multi-instance learning and supervised learning, unsupervised learning and reinforcement learning tied for the fourth-class le