leivo - 博客园

平凡而又神奇的贝叶斯方法

摘要：概率论只不过是把常识用数学公式表达了出来。 ——拉普拉斯阅读全文

posted @ 2012-03-26 03:33 leivo 阅读(671) 评论(0) 推荐(0) 编辑

CONTROL A COMPUTER WITH YOUR BRAIN, AND LOOK GOOD DOING IT

摘要： A few months ago, I went to Cyborg Camp in my hometown of Portland, Oregon. Cyborg Camp is an "unconference," basically a room full of cyberpunks, mega-nerds, and aspirational coders that gather in an office building to talk about the "future of the relationship between humans and technology." This event deserves a separate entry, but for now I'd like to recall a particularly evocative thing: that the most heartbreaking thing I saw at Cyborg Camp was an adult man hopelessly tangled in a web of c 阅读全文

posted @ 2011-11-15 22:09 leivo 阅读(326) 评论(0) 推荐(0) 编辑

博士毕业的去向

摘要：博士毕业的去向：高校任教（俗称青椒），科研院所，政府，国企，外企，出国博后，国内博后，大致分为这么7种，本文将以国内高校为例详细谈谈博士如何自我定位与培养。阅读全文

posted @ 2011-07-08 18:28 leivo 阅读(1816) 评论(0) 推荐(0) 编辑

LiLei&HanMeiMei的隐式马尔可夫爱情

摘要：男生和女生分别是来自不同星球的科学事实已经众所周知的了.男生们总是认为,女生们都是迷一样的生物,他们的情感状态浮动似乎是以秒单位在变化的,难以理解,更勿论预测了! 而女生们觉得男生都是没有感觉动物,完全不能理解什么叫感受-尽管已经告诉他们N次了! 这种男女之间的根本差别,导致了他们之间的感情关系是受一种超级无敌复杂的系统所支配的. 不过,我们可以用一个叫隐式马尔可夫(Hidden Markov Model)的数学模型来分析这个系统. 阅读全文

posted @ 2011-04-04 11:01 leivo 阅读(680) 评论(0) 推荐(1) 编辑

How to use the HMM toolbox (Matlab)

摘要：一、离散输出的隐马尔科夫模型（DHMM，HMM with discrete outputs）最大似然参数估计EM（Baum Welch算法）The script dhmm_em_demo.m gives an example of how to learn an HMM with discrete outputs. Let there be Q=2 states and O=3 output symbols. We create random stochastic matrices as follows. O = 3;Q = 2;prior0 = normalise(rand(Q,1));tr 阅读全文

posted @ 2010-12-15 03:49 leivo 阅读(1589) 评论(0) 推荐(0) 编辑

模糊C均值聚类代码参考(Matlab)

摘要： FCM算法的两种迭代形式的MATLAB代码写于下,也许有的同学会用得着. 阅读全文

posted @ 2010-11-09 19:08 leivo 阅读(9615) 评论(0) 推荐(0) 编辑

隐马尔科夫（HMM）实例分析

摘要：一个介绍隐马尔科夫模型的简单实例，通过该实例可以很好的了解HMM中所要处理的三大问题：（1）评估问题：已知HMM模型λ及观察序列O，如何计算P(O|λ)？（2）解码问题：给定观察序列O=O1,O2,…OT以及模型λ,如何选择一个对应的状态序列S = q1,q2,…qT，使得S能够最为合理的解释观察序列O？（3）学习问题：如何调整模型参数, 使得P(O|λ)最大？阅读全文

posted @ 2010-11-04 21:06 leivo 阅读(2065) 评论(0) 推荐(0) 编辑

隐马尔科夫模型(HMM)

摘要： HMM(Hidden Markov Model,隐马尔科夫模型)是一种用参数表示的用于描述随机过程统计特性的概率模型，是一个双重随机过程, 由两个部分组成:马尔可夫链和一般随机过程。其中马尔可夫链用来描述状态的转移，用转移概率描述。一般随机过程用来描述状态与观察序列间的关系，用观察值概率描述。对于HMM模型，其的状态转换过程是不可观察的，因而称之为“隐”马尔可夫模型。阅读全文

posted @ 2010-10-29 00:59 leivo 阅读(1360) 评论(0) 推荐(0) 编辑

Hidden Markov Model (HMM) Toolbox for Matlab

摘要： A hidden Markov model (HMM) is a statistical Markov model in which the system being modeled is assumed to be a Markov process with unobserved (hidden) states. An HMM can be considered as the simplest dynamic Bayesian network. 阅读全文

posted @ 2010-10-09 22:04 leivo 阅读(1820) 评论(0) 推荐(0) 编辑

General learning: Pattern Recognition, Neural Networks, Machine Learning

摘要：转载的一些与机器学习、模式识别相关的经典算法工具箱和代码。阅读全文

posted @ 2010-09-22 00:49 leivo 阅读(798) 评论(0) 推荐(0) 编辑

一位老师给一位研究生的回信：马上毕业了，是考博，还是工作？

摘要： [ZZ]前几日偶然发现了一位特殊的博友XYL的评论（留言），说是让我给指点一下。说是特殊，从她的评论看，一则我们是同行，二则我曾在她读书的地方工作过，三则似乎我们早就见过，四则是自己喜欢对年轻人指手画划脚… …所以就一直记着这件事，断断续续，算是抽个时间，今天给个交代。阅读全文

posted @ 2010-09-09 14:49 leivo 阅读(615) 评论(0) 推荐(0) 编辑

canny边缘检测原理

摘要：图象的边缘是指图象局部区域亮度变化显著的部分，该区域的灰度剖面一般可以看作是一个阶跃，既从一个灰度值在很小的缓冲区域内急剧变化到另一个灰度相差较大的灰度值。图象的边缘部分集中了图象的大部分信息，图象边缘的确定与提取对于整个图象场景的识别与理解是非常重要的，同时也是图象分割所依赖的重要特征，边缘检测主要是图象的灰度变化的度量、检测和定位，自从1959提出边缘检测以来，经过五十多年的发展，已有许多中不同的边缘检测方法。阅读全文

posted @ 2010-09-07 01:44 leivo 阅读(5324) 评论(0) 推荐(1) 编辑

让计算机更善解人意 ——情感计算研究与进展

摘要：现在有些计算机已经能部分听懂人类的话，并且会按照人类的命令去执行某些动作。但命令都是生硬的，不带任何感情色彩。什么时候计算机能看懂人的“脸色”？能够根据与其打交道的人的情感变化来调整自己的应答和动作？传统的人与计算机之间的交互，多是借助于被动式的中介手段（如键盘、鼠标等），通常我们更看重交互数据的准确性，却容易忽视交互过程中所带有的情感因素。事实上，人与人的交互会不自觉地就带有情感因素，因此在人机交互中，人们也会很自然地期望计算机具有情感能力，使人机交互真正做到和谐自然。因此研究机器如何处理情感被列入具有挑战性的课题，并且被人们称为情感计算。情感计算就是要赋予计算机类似人的观察、理解和生成各种情感特征的能力，通过对情感特征的分析和处理来获取对情感状态与生理和行为特征相互关系的高层次语义上的解释，最终能像人一样进行自然、亲切和生动的交互。阅读全文

posted @ 2010-09-03 10:06 leivo 阅读(956) 评论(0) 推荐(1) 编辑

主元分析(PCA)理论分析及应用

摘要： PCA是Principal component analysis的缩写，中文翻译为主元分析。它是一种对数据进行分析的技术，最重要的应用是对原有数据进行简化。正如它的名字：主元分析，这种方法可以有效的找出数据中最“主要”的元素和结构，去除噪音和冗余，将原有的复杂数据降维，揭示隐藏在复杂数据背后的简单结构。它的优点是简单，而且无参数限制，可以方便的应用与各个场合。因此应用极其广泛，从神经科学到计算机图形学都有它的用武之地。被誉为应用线形代数最价值的结果之一。阅读全文

posted @ 2010-09-02 20:40 leivo 阅读(500) 评论(0) 推荐(0) 编辑

SVM - Support Vector Machines

摘要： A Support Vector Machine (SVM) performs classification by constructing an N-dimensional hyperplane that optimally separates the data into two categories. SVM models are closely related to neural networks. In fact, a SVM model using a sigmoid kernel function is equivalent to a two-layer, perceptron neural network. 阅读全文

posted @ 2010-08-30 15:00 leivo 阅读(853) 评论(0) 推荐(0) 编辑