摘要:
有点坑:在windows下,这么写,打印时也会把\n当成字符串打印出来path= strcat('/home/wang/Desktop/trainset/num0/',file(i).name,'\n');好吧,这是windows下成功的,注意fid=fopen([save_file_name,'r... 阅读全文
2015年10月24日
2015年10月20日
摘要:
file=dir('/home/wang/Desktop/trainset/num0/');for i=3:length(file) path= strcat('/home/wang/Desktop/trainset/num0/',file(i).name,'\n'); save('/home/wa... 阅读全文
2015年10月19日
摘要:
(一)线性可分我们忽略建立目标函数的过程,直接写出目标函数。原问题:首先,我们得到了目标函数:这是一个凸优化问题,直接可以用软件可以求解:对偶问题:原问题根据一系列的变换,可写成:满足某些条件,写成对偶目标函数,可以写成:先优化w,b,再优化α,问题变得简单一些了。将上述条件代入对偶目标函数,变成有... 阅读全文
摘要:
识别: 不是分类问题!!一方面,“类”很多,一“类”的数据特别少。显然用分类类解决出现问题。一个可能并且直观的想法是:KNN。但是,我们知道,KNN算法一般对于数据少的时候可以解决问题,数据量大了就会出现问题了。1)训练 于是,我们尝试从另一个角度突破。训练时,存在一个映射,我们希望输入两幅照片... 阅读全文
2015年10月18日
摘要:
参考文献1:PCA的数学原理(讲得极好)参考文献2:《机器学习导论》题外话: 上次,参加国内业界最牛逼之一的格林深瞳的笔试和面试,没想到竟然都通过了。高兴之余,实际上,还有很长的路要走。 说实话,也是有点幸运,出了很多毕设相关的视觉知识。毕设做得很认真,然后面试时,我自然和面试的那位年轻小伙... 阅读全文
摘要:
深度学习的特点:1)建立、模仿人脑学习的机制2)含多隐层的多层感知器;组合底层特征形成更加抽象的高层特征3)发现数据的分布性特征4)源于人工神经网络人工神经网络的低潮:1)容易过拟合、参数难tune,需要不少trick2)训练速度比较慢,在层次比较少(小于等于3)的情况下效果并不比其它方法更优人工神... 阅读全文
摘要:
参考文献:百度文库历史:在稀疏表示理论未提出前,正交字典和双正交字典因为其数学模型简单而被广泛的应用,然而他们有一个明显的缺点就是自适应能力差,不能灵活全面地表示信号,1993年,Mallat基于小波分析提出了信号可以用一个超完备字典进行表示,从而开启了稀疏表示的先河背景:在20年中,信息稀疏表示,... 阅读全文
2015年10月17日
摘要:
参考文献:特征提取: 在深度学习中,下层携带的信息量会大于上层的信息量。最下层被认为是基。譬如高维空间中,总有一组完备基。任何一个向量都可以通过完备基线性表示。这是,经过多层表示,后面的各个向量组成的矩阵的秩小于等于其下一层个向量组成矩阵的秩当然,我们这里一开始引入时,也认为任何一幅图可以表示为4... 阅读全文
摘要:
参考文献:深度学习如何提取特征引题:一个粗糙的想法,简单粗暴:法1:每幅图我让机器一个一个像素看,从像素来说,它最能准确地表达某个具体的物体具体的姿势。可以想到,来了一个像素,你能干嘛,你能判断它是谁?逐像素,你只能:(1)对比一张图片和你有损压缩之后相差多少(2)设一个阀值,然后灰度分级。一旦涉及... 阅读全文