迈克老狼2012

摘要： 一般来说，回归不用在分类问题上，因为回归是连续型模型，而且受噪声影响比较大。如果非要使用回归算法，可以使用logistic回归。 logistic回归本质上是线性回归，只是在特征到结果的映射中多加入了一层函数映射，即先把特征线性求和，然后使用函数g(z)作为假设函数来预测，g(z)可以将连续值映射到0和1上。 logistic回归的假设函数如下，线性回归假设函数只是\(\... 阅读全文

摘要： 1 矩阵\(Y=f(x)\)对标量x求导 矩阵Y是一个\(m\times n\)的矩阵，对标量x求导，相当于矩阵中每个元素对x求导\[\frac{dY}{dx}=\begin{bmatrix}\dfrac{df_{11}(x)}{dx} & \ldots & \dfrac{df_{1n}(x)}{dx} \\ \vdots & \ddots &\vdots \\ \dfrac{df_{m1... 阅读全文

摘要： 原帖地址：http://www.cnblogs.com/pinard/p/5976811.html 最小二乘法是用来做函数拟合或者求函数极值的方法。在机器学习，尤其是回归模型中，经常可以看到最小二乘法的身影，这里就对最小二乘法的认知做一个小结。1.最小二乘法的原理与要解决的问题 最小二乘法是由勒让德在19世纪发现的，原理的一般形式很简单，当然发现的过程是非常艰难的。形式如下式： ... 阅读全文

摘要： 原帖地址: http://www.cnblogs.com/pinard/p/5970503.html 在求解机器学习算法的模型参数，即无约束优化问题时，梯度下降法（Gradient Descent）是最常采用的方法之一，另一种常用的方法是最小二乘法。这里就对梯度下降法做一个完整的总结。 1. 梯度 在微积分里面，对多元函数的参数求偏导数，把求得的各个参数的偏导数以向量... 阅读全文

摘要： 原帖地址： http://blog.csdn.net/aptx704610875/article/details/48914043 http://blog.csdn.net/aptx704610875/article/details/48915149 这一节我们首先介绍下计算机视觉领域中常见的三个坐 阅读全文

摘要： 原帖地址： http://songshuhui.net/archives/76501 http://songshuhui.net/archives/77386 阅读全文

摘要： 原文链接：http://www.cnblogs.com/cfantaisie/archive/2011/06/14/2080917.html 主要步骤 1)、尺度空间的生成； 2)、检测尺度空间极值点； 3)、精确定位极值点； 4)、为每个关键点指定方向参数； 5)、关键点描述子的生成。 L(x,y,σ), σ= 1.6 a... 阅读全文

摘要： 原文链接：http://blog.csdn.net/bugrunner/article/details/7170471 另外一篇相似的英文资料：http://homepages.inf.ed.ac.uk/rbf/CVonline/LOCAL_COPIES/MANDUCHI1/Bilateral_Filtering.html#Index 1. 简介 图像平滑是一个重要的操作，而且有多种成... 阅读全文

摘要： 利用Meanshift filter和canny边缘检测的效果，可以实现简单的图片的卡通化效果。简单的说，就是用Meanshift filter的结果减去canny算法的结果得到卡通化的效果。 代码如下： #include #include #include #include using namespace std; usi... 阅读全文

摘要： 原帖地址：http://www.anandtech.com/show/9969/jedec-publishes-hbm2-specification The high-bandwidth memory (HBM) technology solves two key problems related to modern DRAM: it substantially increases ba... 阅读全文