摘要：
在看线性代数这一部分的时候，真是一头雾水。虽然明白了特征值和特征向量的求法，但总觉得没有用。在《理解矩阵》一文中，虽然提到了这与矩阵的本质有关，但并未详细提及，但我知道了一定具有一定的几何意义。 后来，查看了《特征向量的几何意义》一文，才明白了。特别是wikipedia中关于《特征向量》的文章，终于对特征向量有了一点认识。 因为l是常数，所以lx与x的方向相同。即，一个变换的特征向量是这样一种向... 阅读全文
摘要：
下面我就对PCA做一个简单的介绍吧： PCA是主成分分析，主要用于数据降维，对于一系列sample的feature组成的多维向量，多维向量里的某些元素本身没有区分性，比如某个元素在所有的sample中都为1，或者与1差距不大，那么这个元素本身就没有区分性，用它做特征来区分，贡献会非常小。所以我们的目的是找那些变化大的元素，即方差大的那些维，而去除掉那些变化不大的维，从而使feature留下的都是&... 阅读全文
摘要：
3.1.2 AdaBoost算法原理AdaBoost算法针对不同的训练集训练同一个基本分类器（弱分类器），然后把这些在不同训练集上得到的分类器集合起来，构成一个更强的最终的分类器（强分类器）。理论证明，只要每个弱分类器分类能力比随机猜测要好，当其个数趋向于无穷个数时，强分类器的错误率将趋向于零。AdaBoost算法中不同的训练集是通过调整每个样本对应的权重实现的。最开始的时候，每个样本对应的权重是... 阅读全文
摘要：
影响AdaBoost人脸检测训练算法速度很重要的两方面是特征选取和特征计算。选取的特征为矩特征为Haar特征，计算的方法为积分图。（1）Haar特征：Haar特征分为三类：边缘特征、线性特征、中心特征和对角线特征，组合成特征模板。特征模板内有白色和黑色两种矩形，并定义该模板的特征值为白色矩形像素和减去黑色矩形像素和。在确定了特征形式后 Harr- like特征的数量就取决于训练样本图像矩阵的大小，... 阅读全文
摘要：
[摘要]: 支持向量机(Support Vector Machine，SVM)是机器学习中的一个新模型，能非常成功地处理回归问题(时间序列分析)和模式识别(分类问题、判别分析)等诸多问题，并可推广于预测和综合评价等领域。本文对它的基本思想、方法进行了介绍, 并简要介绍了如何利用SVM进行人脸识别，希望使读者对这一领域有一个基本的了解。 [关键词]：支持向量机；KKT条件；人脸识别引言 基于数据的机... 阅读全文
摘要：
http://www.docin.com/p-48708807.html#docTitle 阅读全文
摘要：
http://ntu.csie.org/~piaip/svm/svm_tutorial.html 阅读全文
摘要：
K最近邻(k-Nearest Neighbor，KNN)分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。该方法的思路是：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。KNN算法中，所选择的邻居都是已经正确分类的对象。该方法在定类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。 KNN方法虽然... 阅读全文
摘要：
决策树一般由方块结点、圆形结点、方案枝、概率枝等组成.方块节点为决策节点，如企业建厂圆形节点为决策的各个选择，如建中型厂，大型厂。。。方案枝为可选方案概率枝为决策的各种选择条件抑或理由分析，如中型厂收益为多少，投资为多少，建设时间为多少。http://wiki.mbalib.com/wiki/决策树 阅读全文
摘要：
任何颜色都有红、绿、蓝三原色组成，假如原来某点的颜色为RGB(R，G，B)，那么，我们可以通过下面几种方法，将其转换为灰度：1.浮点算法：Gray=R*0.3+G*0.59+B*0.112.整数方法：Gray=(R*30+G*59+B*11)/1003.移位方法：Gray =(R*28+G*151+B*77)>>8;4.平均值法：Gray=（R+G+B）/3;5.仅取绿色：Gray=G... 阅读全文