摘要： Svm算法又称为支持向量机，是一种有监督的学习分类算法，目的是为了找到两个支持点，用来使得平面到达这两个支持点的距离最近。 通俗的说：找到一条直线，使得离该线最近的点与该线的距离最远。 我使用手写进行了推导 求解实例 软间隔，通过设置C，使得目标函数的松弛因子发生变化，松弛因子越大，表示分类越不严格 阅读全文

摘要： 1.bootstrap 在原始数据的范围内作有放回的再抽样M个, 样本容量仍为n，原始数据中每个观察单位每次被抽到的概率相等, 为1/n , 所得样本称为Bootstrap样本。于是可得到参数θ的一个估计值θ^(b)，这样重复若干次，记为B 。为了可以避免一些误差点对少量树的决策影响。 2.决策树 阅读全文

摘要： 图片拼接 SIFT： 特征点处理：位置插值，去除低对比度点，去除边缘点 方向估计 描述子提取 下面的程序中使用： 第一步： 使用SIFT生成器提取描述子和特征 第二步： 使用KNN检测来自A，B图的SIFT特征匹配对， 形成视觉变化矩阵H 第三步： 将图片A进行视觉变化，将B图片放在变换图片的左边， 阅读全文

摘要： 1.直方图 用于计算图片特征，表达， 使得数据具有总结性， 颜色直方图对数据空间进行量化，好比10个bin 2. 聚类 类内对象的相关性高 类间对象的相关性差 常用算法：kmeans， EM算法， meanshift， 谱聚类（密度聚类）， 层次聚类 kmeans聚类 选取k个类中心，随机选取 计算 阅读全文

摘要： 1. 误差分析 通过分析错误的标记，来判断主要是哪个原因引起了错误,这是猫的分类，观察被分错图片的原因,总结需要优化的条件 image Dog Great cat blurry comment 1 2 3 4 5 6 2. 进行正确标注 当前错误率为10%， 进行误差分析后，由于0.6%的错误标记引 阅读全文

摘要： 1.正交化 指使用单个手段来控制一个指标，如样本的偏差过大时，即欠拟合，就采用增加模型复杂程度，来降低样本偏差 2.单实数评估指标单实数评估样本也是我们平时常说的优化指标 accruacy = （tp +　tn）/ (tp+fp+tn+fn) precesion = (tp) / (tp+fp) r 阅读全文

摘要： 1. 在我们学习中，调试超参数是非常重要的。 超参数的调试可以是a学习率，（β1和β2，ε）在Adam梯度下降中使用, layers层数, hidden units 隐藏层的数目, learning_rate_dacay 学习率衰减, mini-batch size 每次迭代的样本数目 当需要调节的 阅读全文

摘要： #include #include #include using namespace cv; int main(int argc, char** argv) { Mat src = imread("C:/Users/Administrator/Desktop/1.png", IMREAD_ANYCOLOR); if (src.empty()) { printf... 阅读全文

摘要： 1.mini-batch size 表示每次都只筛选一部分作为训练的样本,进行训练，遍历一次样本的次数为(样本数/单次样本数目) 当mini-batch size 的数量通常介于1，m 之间 当为1时，称为随机梯度下降 一般我们选择64，128， 256等样本数目 2. 指数加权平均 v0 = 0 阅读全文

摘要： 1.训练样本的分布 交叉验证指的是训练集和验证集，为了防止在训练过程中受到部分训练样本的影响 一般当样本数目较少时，采用60/20/20的比例，60%的训练集，20%的验证集，20%的测试集当样本数目较大时，一般可以采用2.5%的验证集和1%的测试集，其他都是训练样本。 很多情况下，我们会不适用测试 阅读全文