07 2015 档案
摘要：这是我们已经学到的（除Decision Tree外） 下面是一个典型的decision tree算法，有四个地方需要我们选择： 接着介绍了一个CART算法：通过decision stump分成两类，衡量子树的标准是，将数据分成两类后，这两类数据的纯度...
阅读全文
摘要：vector: 本科时学C++的时候没学过vector，正好补一下。 第一个要注意的地方是要正确区分列表初始值还是元素数量。 第二点是不能使用范围for向vector对象添加元素，范围for语句体内不应改变其所遍历序列的大小。 不能用下标形式给vector添加元素 ...
阅读全文
摘要：getline(cin,string s)可以读取一整行，包括空白符。使用ctrl+Z结束 字符串字面值与string是不同的类型。两个字符串字面值不能直接相加。 处理string对象中的字符时，C++定义了很多库函数，可方便使用。 如果想要处理每一个字符，...
阅读全文
摘要：将分类器组合的过程中，将重点逐渐聚焦于那些被错分的样本点，这种做法背后的数学原因，就是这讲的内容。 在用bootstraping生成g的过程中，由于抽样对不同的g就生成了不同的u，接下来就是不断的调整u，使得Ein最小。 g越不同，通过...
阅读全文
摘要：这位博主把目标检测的大致过程写了下来，总结的通俗易懂：http://blog.csdn.net/zouxy09/article/details/7928771
阅读全文
摘要：看过很多介绍HOG的博文，讲的最清楚的是这位博主：http://blog.csdn.net/zouxy09/article/details/7929348 代码如下： #include #include #include #include using namespace cv;int mai...
阅读全文
摘要：这一节讲如何将得到的feature或hypothesis组合起来用于预测。 1. 林老师给出了几种方法 在选择g时，需要选择一个很强的g来确保Eval最小，但如果每个g都很弱该怎么办呢 这个时候可以选择Aggregation的方式将这些若g组合起来，组合起来的G，既能fea...
阅读全文
摘要：参考：http://blog.csdn.net/zouxy09/article/details/9622285 看论文很多细节不明白，看这位博主实现的代码就能明白了。
阅读全文
摘要：这一节主要讲的是如何将Kernel trick 用到 logistic regression上。 从另一个角度来看soft-margin SVM，将其与 logistic regression进行对比，发现可将 SVM看作一个正则化模型： 将SVM看作一个regularize model，是为了更好
阅读全文
摘要：指针和引用 引用本身不是一个对象，因此不能定义引用的指针；而指针是一个对象，因此可以定义指针的引用。 此外，要理解一个复合类型的变量到底是什么类型，最简单的办法是从右向左阅读其定义，离变量名最近的符号对变量的类型有最直接的影响。 Const限定符 对const变量，如果想在多个文件...
阅读全文
摘要：转自：http://blog.csdn.net/yang_xian521/article/details/6901762 主要介绍的是如何用SURF进行特征匹配，和SIFT的使用方法基本一致。
阅读全文
摘要：今天无意间看到了一篇讲傅里叶变换的文章，非常的有意思：http://blog.jobbole.com/70549/
阅读全文
摘要：转自：http://blog.csdn.net/huixingshao/article/details/43636717 模板匹配TemplateMatching是在图像中寻找目标的方法之一。原理很简单，就是在一幅图像中寻找和模板图像（patch）最相似的区域。在OpenCV中有对应的函数可以调...
阅读全文
摘要：之前的SVM非常的hard，要求每个点都要被正确的划分，这就有可能overfit，为此引入了Soft SVM，即允许存在被错分的点，将犯的错放在目 标函数中进行优化，非常类似于正则化。 将Soft SVM进行对偶转化后，发现与之前的hard SVM非常的像，只是其中一个系数多了个上界。 通过对阿尔法
阅读全文
摘要：这一节讲的是核化的SVM，Andrew Ng的那篇讲义也讲过，讲的也不错。 首先讲的是kernel trick，为了简化将低维特征映射高维特征后的计算，使用了核技巧。讲义中还讲了核函数的判定，即什么样的函数K能使用kernel trick。此外，核函数还可以衡量两个特征的相似度，值...
阅读全文
摘要：转自：http://blog.csdn.net/lanbing510/article/details/40411877有博主翻译了这篇论文：http://blog.csdn.net/roamer_nuptgczx/article/details/45790415Factors that affect...
阅读全文
摘要：转自：http://blog.csdn.net/wjbwjbwjbwjb/article/details/7169220最近阅读了TPAMI上的一篇文章，是关于多实例学习跟踪的。非常欣赏其文章写作，引言中总结了跟踪系统组成的三个基本元素：外观模型，运动模型和搜索策略。作者的工作主要是针对外观模型，构...
阅读全文
摘要：这节课讲的是SVM的对偶问题，比较精彩的部分：为何要使用拉格朗日乘子以及如何进行对偶变换。 参考：http://www.cnblogs.com/bourneli/p/4199990.html http://www.cnblogs.com/xbf9xbf/p/4619866.html
阅读全文
只有注册用户登录后才能阅读该文。
摘要：极其淡腾的一学期终于过去了，暑假打算学下台大的这门机器学习技法。 第一课是对SVM的介绍，虽然之前也学过，但听了一次感觉还是很有收获的。这位博主总结了个大概，具体细节还是 要听课：http://www.cnblogs.com/bourneli/p/4198839.html 这位博主总结的很详细：ht
阅读全文
摘要：转自：http://blog.sina.com.cn/s/blog_641289eb0101e2ld.htmlPart 2总结一下一个粗略的建模过程：首先，弄清楚问题是什么，能不能用机器学习的思路去考虑：是否有pattern？是否规则不明确？是否有数据？如果可以用，那么考虑，问题的学习目标是什么，有...
阅读全文
摘要：期末终于过去了，看看别人的总结：http://blog.sina.com.cn/s/blog_641289eb0101dynu.html接触机器学习也有几年了，不过仍然只是个菜鸟，当初接触的时候英文不好，听不懂课，什么东西都一知半解。断断续续的自学了一些公开课和书以后，开始逐渐理解一些概念。据说，心...
阅读全文
