• 博客园logo
  • 会员
  • 周边
  • 新闻
  • 博问
  • 闪存
  • 众包
  • 赞助商
  • Chat2DB
    • 搜索
      所有博客
    • 搜索
      当前博客
  • 写随笔 我的博客 短消息 简洁模式
    用户头像
    我的博客 我的园子 账号设置 会员中心 简洁模式 ... 退出登录
    注册 登录
 






陌生花开

 
 

Powered by 博客园
博客园 | 首页 | 新随笔 | 联系 | 订阅 订阅 | 管理
上一页 1 2 3 4 下一页

2014年5月18日

从Loagistic 到 SVM算法
摘要: SVM(支持向量机),一种二类分类器,之所以称之为向量机,是因为它本身就产生一个二值决策结果,即使一种决策“机”,支持向量机的泛化错误低(具有结构风险最小),具有很强的学习能力,因此很多人认为它是最好的监督学习算法。SVM与Logistic回归的联系: logistic回归的目的就是从特征... 阅读全文
posted @ 2014-05-18 09:33 陌生花开 阅读(526) 评论(0) 推荐(0)
 

2014年4月23日

Adaboost 再续(细节)
摘要: 对于Adaboost 算法,基本算法流程网上很多,那些基础概要这里就不罗嗦了,下面写细节,假设你理解了Adaboost算法的流程。这里主要讨论算法的三大细节。根据公式pf(x) thresold,则 h(x) = 0;否则 h(x) = 1 ;对于threshold 和p的求解,伪代码如下:sor... 阅读全文
posted @ 2014-04-23 10:45 陌生花开 阅读(243) 评论(0) 推荐(0)
 

2014年4月21日

Adaboosting 的理解
摘要: 这里说说我对这个算法的理解:主要应用在人脸检测。haar特征 + adaboosting,人脸检测系统是一个级联的分类器系统,这里主要是讨论其中一个节点。大体流程如果: 首先准备正负样本,在一个训练强分类器H时,使用booststraping策略来进行样本的提取:从整体样本集合中,抽样n... 阅读全文
posted @ 2014-04-21 18:31 陌生花开 阅读(3412) 评论(0) 推荐(0)
 
boosting/adaboosting 分析
摘要: 一、Boosting算法的发展历史 Boosting算法是一种把若干个分类器整合为一个分类器的方法,在boosting算法产生之前,还出现过两种比较重要的将多个分类器整合为一个分类器的方法,即boostrapping方法和bagging方法。我们先简要介绍一下bootstrapping方法和bag... 阅读全文
posted @ 2014-04-21 16:21 陌生花开 阅读(4924) 评论(0) 推荐(0)
 

2014年4月9日

TLD 算法
摘要: 转载:http://blog.csdn.net/carson2005/article/details/7647500TLD(Tracking-Learning-Detection)是英国萨里大学的一个捷克籍博士生在其攻读博士学位期间提出的一种新的单目标长时间(longtermtracking)跟踪算法。该算法与传统跟踪算法的显著区别在于将传统的跟踪算法和传统的检测算法相结合来解决被跟踪目标在被跟踪过程中发生的形变、部分遮挡等问题。同时,通过一种改进的在线学习机制不断更新跟踪模块的“显著特征点”和检测模块的目标模型及相关参数,从而使得跟踪效果更加稳定、鲁棒、可靠。对于长时间跟踪而言,一个关键的问 阅读全文
posted @ 2014-04-09 19:26 陌生花开 阅读(563) 评论(0) 推荐(0)
 

2014年3月27日

朴素贝叶斯
摘要: 朴素贝叶斯算法是基于概率论的分类方法,是生成算法中的一种。为什么成为“朴素”呢,因为整个形式化过程都只做最原始、最简单的假设。朴素贝叶斯是贝叶斯决策理论的一部分。 生成模型和判决模型的区别:http://blog.sciencenet.cn/home.php?mod=space&uid=248173&do=blog&id=227964 当样本的输入是中特征向量x是连续实数向量,则应该使用高斯判决模型,如果输入是x是离散值的话,可以考虑采用朴素贝叶斯的分类方法。朴素的贝叶斯模型的使用条件是样本足够多,在检测判决是先对样本进行训练。当样本中的特征向量x较多。贝叶斯算法有一个 阅读全文
posted @ 2014-03-27 20:49 陌生花开 阅读(334) 评论(0) 推荐(0)
 
K - 近邻算法
摘要: K - 近邻算法(KNN),他的工作原理:存在一个样本数据集合,也称为训练样本集,并且样本集合中每个数据都存在标签,即我们知道样本集合中每一个数据与所属分类的对于关系。输入没有标签的新数据后,将新数据的每个特征与样本集中数据对应的特征值比较,然后算法提取样本集中 特征最相似数据(最近邻(的分类标签,一般来说,我们只选择样本数据集中前K个最相似的数据 ,这就是K - 近邻算法中k的出处。一般说来,我们可以K的值大概在20的整数。最后,选择k个最相似数据中出现次数最多的分类,作为新数据的分类。 简单的说,K - 近邻算法算法就是采用测量不同特征值之间的距离方法进行分类,可以采用欧式距离或者余弦距. 阅读全文
posted @ 2014-03-27 17:35 陌生花开 阅读(224) 评论(0) 推荐(0)
 

2014年3月20日

OpenCV Kmeans
摘要: 1 K-均值聚类算法的基本思想 K-均值聚类算法是著名的划分聚类分割方法。划分方法的基本思想是:给定一个有N个元组或者纪录的数据集,分裂法将构造K个分组,每一个分组就代表一个聚类,Kdata.fl[0];double cent1 = centers->data.fl[1];double cent2 = centers->data.fl[2];CV_IMPLintcvKMeans2(constCvArr*_samples,intcluster_count,CvArr*_labels,CvTermCriteriatermcrit,intattempts,CvRNG*,intflags, 阅读全文
posted @ 2014-03-20 22:01 陌生花开 阅读(3786) 评论(1) 推荐(0)
 

2014年3月18日

图像的腐蚀 膨胀及细化
摘要: 转载:http://blog.sina.com.cn/s/blog_4bdb170b0100sgtj.html今天所讲的内容属于一门新兴的学科:数学形态学(Mathematical Morphology)。说起来很有意思,它是法国和德国的科学家在研究岩石结构时建立的一门学科。形态学的用途主要是获取物体拓扑和结构信息,它通过物体和结构元素相互作用的某些运算,得到物体更本质的形态。在图象处理中的应用主要是:(1)利用形态学的基本运算,对图象进行观察和处理,从而达到改善图象质量的目的;(2)描述和定义图象的各种几何参数和特征,如面积、周长、连通度、颗粒度、骨架和方向性等。限于篇幅,我们只介绍二值图象 阅读全文
posted @ 2014-03-18 09:07 陌生花开 阅读(685) 评论(0) 推荐(0)
 

2014年2月26日

atoi()函数
摘要: atoi()函数的功能:将字符串转换成整型数;atoi()会扫描参数nptr字符串,跳过前面的空格字符,直到遇上数字或正负号才开始做转换,同时要考虑转换数据的大小,不应该溢出(int)。而再遇到非数字时则直接返回。当字符是('\0')时才结束转化,并将结果返回(返回转换后的整型数)。#include#include #includeint atoi(char *str){long long result=0;bool IsSign = false; //如果是正数则是false,否则就为trueassert(str != NULL );//去掉空格while(*str == & 阅读全文
posted @ 2014-02-26 22:12 陌生花开 阅读(337) 评论(0) 推荐(0)
 
上一页 1 2 3 4 下一页