A.样本选择与预处理->区域选择->特征获取->分类器分类
B.样本选择与预处理->特征获取->分类器分类->区域选择
C.区域选择->样本选择与预处理->分类器分类->特征获取
D.区域选择->样本选择与预处理->特征获取->分类分类
第1题
A.定义和选择训练数据的特征
B.定义和选择若干标注训练数据
C.定义和选择do算子操作
D.定义和选择某一特定的分类器
第3题
A.在所构成的强分类器中,每个弱分类器的权重是不一样的
B.在每一次训练弱分类器中,每个样本的权重累加起来等于1
C.在所构成的强分类器中,每个弱分类器的权重累加起来等于1
D.该算法将若干弱分类器线性加权组合起来,形成一个强分类器
第4题
A.增加可调整参数的隐层数目
B.使用图像进行旋转、裁剪、拉伸、裁剪等进行样本增强
C.采用小卷积核,提高通道的个数
D.增强特征获取能力对样本按照一定的方式排序
第5题
A.①②③⑤④
B.①②⑤③④
C.②①⑤③④
D.②①③⑤④
第7题
A.可以集成出训练误差任意低的分类器
B.基础分类器可以任意弱
C.通过对样本进行加权达到改变训练集的效果
D.被当前基础分类器分错的样本的权重将会减小
第8题
A.学习特征
B.分类器建立
C.分类器训练
D.提取特征
第10题
A.串行训练的算法,基分类器彼此关联
B.串行算法不断增加训练器训练偏差
C.基分类器应该选择偏差较小的算法
D.并行训练的算法,基分类器彼此关联
为了保护您的账号安全,请在“上学吧”公众号进行验证,点击“官网服务”-“账号验证”后输入验证码“”完成验证,验证成功后方可继续查看答案!