上一页 1 ··· 7 8 9 10 11 12 13 14 15 ··· 19 下一页

2018年7月9日

Matlab安装SVM/RF工具箱的办法

摘要: 安装随机森林的工具箱: code.google.com/archive/p/randomforest-matlab这个网站是官方给出的随机森林工具箱的下载地址(失败) https://download.csdn.net/download/yc1202050224/10530674可以通过这里下载 作 阅读全文

posted @ 2018-07-09 16:17 Aaron12 阅读(569) 评论(0) 推荐(0) 编辑

2018年6月29日

最大似然估计、最大后验概率估计、贝叶斯公式的理解

摘要: 概率和统计是同一个东西吗? 概率:已知模型和参数,求数据 统计:已知数据,求模型和参数 贝叶斯公式在说什么? 公式里括号后面一项才是 条件概率: 贝叶斯公式: 贝叶斯公式: 理解:有多重情况可能导致事件B发生,现在事件B已经发生了,要求出由于事件A导致事件B发生的可能性大小。 似然函数 概率:在参数 阅读全文

posted @ 2018-06-29 20:30 Aaron12 阅读(351) 评论(0) 推荐(0) 编辑

车牌识别

摘要: 问题: 1,如何确定车牌的位置? 2,识别的过程用神经网络或者深度的方式更好 主要包括三个步骤 车牌定位:读取图像、高斯去躁、获取灰度图、获取二值化图、腐蚀膨胀去除小的噪声点、SoBel算子或者Robert算子边缘检测 确定车牌位置依据:1、车牌有长宽比 2、车牌区域有一定面积 面积过大或者过小都不 阅读全文

posted @ 2018-06-29 17:21 Aaron12 阅读(421) 评论(0) 推荐(0) 编辑

2018年6月27日

BP神经网络

摘要: 误差反向传播算法(Backpropagation)是目前用来训练人工神经网络(Artificial Neural Network,ANN)的最常用且最有效的算法。其主要思想是: (1)前向传播:训练及数据经过输入层、隐含层、输出层,计算估计值 (2)反向传播:由于估计值与实际值有偏差,计算估计值与实 阅读全文

posted @ 2018-06-27 10:46 Aaron12 阅读(134) 评论(0) 推荐(0) 编辑

2018年6月21日

SVM中核函数的理解

摘要: (1)如何理解核函数能把低维映射到高维 关键:因为有泰勒展开 严格说是为什么高斯核函数能够将低维映射到无穷维 对于高斯核为什么可以将数据映射到无穷多维,我们可以从泰勒展开式的角度来解释, 首先我们要清楚,SVM中,对于维度的计算,我们可以用内积的形式,假设函数: 表示一个简单的从二维映射到三维。则在 阅读全文

posted @ 2018-06-21 20:34 Aaron12 阅读(2029) 评论(0) 推荐(1) 编辑

2018年6月19日

数据库面试

摘要: 常用指令 (1) 数据记录筛选: (2) 更新数据记录: (3) 删除数据记录: (4) 添加数据记录: (5) 数据记录统计函数: 创建数据库: 命令:create database 数据库名; 示例:create database student; 删除数据库: 命令:drop database 阅读全文

posted @ 2018-06-19 21:25 Aaron12 阅读(148) 评论(0) 推荐(0) 编辑

数据结构面试

摘要: 。。 阅读全文

posted @ 2018-06-19 21:13 Aaron12 阅读(70) 评论(0) 推荐(0) 编辑

Linux基础

摘要: 三:Linux基本命令 1. 绝对路径用什么符号表示?当前目录、上层目录用什么表示?主目录用什么表示? 切换目录用什么命令? 2. 怎么查看当前进程?怎么执行退出?怎么查看当前路径? 3. 怎么清屏?怎么退出当前命令?怎么执行睡眠?怎么查看当前用户id?查看指定帮助用什么命令? 4. Ls 命令执行 阅读全文

posted @ 2018-06-19 20:50 Aaron12 阅读(157) 评论(0) 推荐(0) 编辑

正则化

摘要: 一、正则化基础 正则化等价于结构风险最小化,就是在经验风险后面加上了表示模型复杂度的正则化项或惩罚项。 正则化的作用是 选择经验风险和模型复杂度都较小的模型,减低模型复杂度,防止过拟合,提高泛化能力。 一般来说,高复杂度的模型容易过拟合,因为它需要学习更多的特征参数,而往往训练样本的数量不足以让其充 阅读全文

posted @ 2018-06-19 19:39 Aaron12 阅读(355) 评论(0) 推荐(0) 编辑

机器学习基础

摘要: 机器学习基础 判别模型与生成模型 生成模型:由数据学习联合概率分布P(X,Y),然后求出条件概率分布P(Y|X)作为预测的模型。(朴素贝叶斯、Kmeans) 生成模型可以还原联合概率分布p(X,Y),并且有较快的学习收敛速度,还可以用于隐变量的学习 判别模型:由数据或者条件概率分布P(Y|X)或者学 阅读全文

posted @ 2018-06-19 16:42 Aaron12 阅读(185) 评论(0) 推荐(0) 编辑

上一页 1 ··· 7 8 9 10 11 12 13 14 15 ··· 19 下一页

导航