摘要：
PCA把多维数据降维，并使各维之间的相关性为零，从而最小化重构数据与原数据的方差。PCA可以用于人脸识别，即特征脸方法。PCA用于人脸识别的大体思路如下所述。 假设图片库中图片数为n,图片数据量为d=M*N 训练流程： 1,把图片库中的所有图片转化为灰度图片，然后形成n*d大小的矩阵X; 2,计算d维均值m,计算X中每个样本减去均值后的矩阵Y(n*d大小); 3,使用PCA生成维数为n*k维的方阵A(k<=n-1),k的值可以根据需要选择。其中A的各列为矩阵Y*Y'的最大的k个特征向量所构成。可以注意到Y*Y'即为协方差矩阵; 4,使用Y'*A生成d*k的特征脸E 阅读全文
摘要：
在VisualStudio2008+openCV下实现的代码如下：View Code // alphaBlending.cpp : 定义控制台应用程序的入口点。//#include "stdafx.h"#include<cv.h>#include<cxcore.h>#include<highgui.h>IplImage *alphaBlending(IplImage *src1,IplImage *src2,double winSize){ if(src1->height!=src2->height||src1->wid 阅读全文
摘要：
本文使用LDA作为分类器在matlab下做实验。 其中投影转换矩阵W按照LDA的经典理论生成，如下的LDA函数，并返回各个类的投影后的（ｋ－１）维的类均值。LDA.m代码如下：View Code function [W,centers]=LDA(Input,Target)% Ipuut: n*d matrix,each row is a sample;% Target: n*1 matrix,each is the class label % W: d*(k-1) matrix,to project samples to (k-1) dimention% cneters: k*(k-1) m. 阅读全文
摘要：
很有意思的一个软件。录一小段某首歌里面的几句，可以自动帮你搜索是啥音乐。速度快，准确度高，很给力！ 阅读全文
摘要：
关于进行多类分类的问题：一种方法是“one against the rest “方法构造C个分类器（每个分类器的作用都是二分的），然后把这些结果综合起来；另一种方法是成对分类，每一个分类器把两个类别进行分开（产生（C(C-1)/2）个类.... （参考维基百科） 构造变换矩阵时为避免出现SW为奇异矩阵，样本数量要大于样本的维数。 阅读全文
摘要：
摘要： 本文参考论文color transfer between images，实现了图片的色彩转移。大体思路： 主要思想是把图片的颜色的均值和方差调整成跟另一幅图片的均值和方差差不多。 最简单的思路是在RGB颜色空间上进行均值和方差的调整。但如论文所述，RGB颜色空间三个通道之间存在较大的相关性，难以对每个通道单独作出调整。为此，选择了Lab色彩空间，因为Lab三个通道之间的相关性很弱。 主要流程为： 1，把源图片和目标图片由RGB转换为Lab颜色空间； 2，分别两个计算各个通道的均值和方差，假设m1、m2、d1、d2分别为源图像和目标图像Lab下某一通道的均值和方差； 3，对源图像的每一通 阅读全文
摘要：
以用socket通讯发送和接受坐标点对（x,y）为例： C#异步socket通讯--服务器端 在异步socket服务端中，建立连接、接收数据、发送数据都要设置回调函数。在每次监听连接、接收和发送数据是都需要调用BeginXXX的过程。特别需要注意的是，在接收数据时，若要不停的监听数据，每次收到数据后要立刻调用BeginReceive函数（见代码中的ReadCallback函数）；每次接收的实际数据可能小于设置的缓冲区大小（数据包小于缓冲区长度时）。View Code public class Channel{ // Thread signal. public static ManualRese 阅读全文
摘要：
记下所思所想所做，让岁月留痕。 希望博客的主要内容：记录自己的计算机相关技术问题、解决方案和工作总结，以跟踪反思工作进度把握方向；对所接触的算法做笔记，写下自己的理解和实验分析，同时提高表述能力；捕捉瞬间的灵感和对生活的感想；转载他人的经典文章；读书笔记等等... 让博客记录生活，提高自己，分享技术、感想 阅读全文