07 2020 档案
摘要：上一篇博客介绍了准确率和F值这两个评估模型分类性能的指标，它们在聚类模型上的应用会稍微复杂一点点。 下文摘自知乎几种常见的聚类评估指标。 假设我们现在有猫狗图片100张，其中猫又25张，狗有75张。现在我们通过某种聚类算法对其进行聚类，聚类的结果为簇A中有38张图片（其中20张猫18张狗），簇B中有
阅读全文
摘要：本文的部分内容摘自韩家炜《数据挖掘》 四个术语 混淆矩阵（Confusion Matrix） 评估度量 还有一个术语：负正类率(false positive rate, FPR)，也叫做打扰率计算公式为：FPR=FP/(FP+TN)=FP/N。负正类率计算的是分类器错认为正类的负实例占所有负实例的比
阅读全文
摘要：本文转自：标准化互信息NMI计算步骤及其Python实现 标准化互信息NMI (Normalized Mutual Information)常用在聚类评估中。 标准化互信息NMI计算步骤 Python 实现 代码： ''' 利用Python实现NMI计算''' import math import
阅读全文
摘要：numpy查找某元素的所有下标: numpy其他功能用法可参考：numpy.where() 用法详解
阅读全文
摘要：图像边缘检测：Prewitt算子、Sobel算子、canny算子、Lapacian算子
阅读全文
摘要：对HOG算法每一个步骤具体详细的介绍可参考：HOG特征——行人识别 对HOG算法的特点和思想的介绍可参考：目标检测的图像特征提取之（一）HOG特征 调用Python中的skimage库提取图像HOG特征的示例代码如下，代码摘自 图像特征工程 HOG特征描述子介绍： from skimage.io i
阅读全文
摘要：一句话概括SIFT：SIFT是在图像空间寻找关键点并把关键点描述成特征向量的方法。 本文摘自：SIFT算法详解 和 python opencv入门 SIFT算法。做了删减，舍弃了数学推导，力求通俗易懂。 本文目录： 1. SIFT定义 2. SIFT的特点 3. 步骤 3.1. 尺度空间极值检测 3
阅读全文
摘要：1. 傅里叶变换的缺点 傅里叶变换的公式为 从公式中可以看出，傅里叶变换对信号在整个时域做了积分处理，因此其结果对时域信号在整个时间轴上进行了信息平均。这对于平稳信号来说是可行的，然而对于在时间上具有显著变化的非平稳信号来说，这样的做法显然不能满足我们对信号进行精确分析的要求。我们希望将信号分解到不
阅读全文
摘要：本文摘自： 郭岩, 罗珞珈, 汪洋, 付琨. 一种基于DTW改进的轨迹相似度算法[J]. 国外电子测量技术, 2016, 35(009):66-71. 轨迹数据 基于欧氏距离的相似度算法 基于时间动态规整(Dynamic Time Wraping, DTW)的相似度算法 此外，博客算法笔记-DTW动
阅读全文
摘要：首先需明白傅里叶变换和小波变换的关系，可参考 如何通俗地讲解傅立叶分析和小波分析间的关系？。 MOOC课程 遥感数字图像处理课程第四章 中有一些关于小波变换的介绍，下面是其课件：
阅读全文
摘要：本文摘自Digital Image Processing chapter 3.4 and 4.2，third eidtion, Rafael C. Gonzalez, Richard E. Woods
阅读全文
摘要：1. 通俗理解傅里叶变换 可参考： [1] 傅里叶分析之掐死教程 （图片摘自傅里叶分析之掐死教程） 2. 通俗理解数字图像傅里叶变换 傅里叶定理指出，任何信号都可以表示成一系列正弦信号的叠加。在一维领域，信号是一维正弦波的叠加，那么在二维领域，就是无数二维平面波的叠加。比如一帧图像，不同点处的灰度值
阅读全文
摘要：bitshift(A, k)函数：先把A变成二进制数，然后把这个二进制数向左移动k位（如果k是负数，表示向右移动k位），再把得到的二进制数所对应的十进制数返回出来。比如，3的二进制是11，向左移一位是110，十进制就是6；向左移两位是1100，十进制就是12，如下图所示： 又例如： for k =
阅读全文
摘要：内容介绍可参考： LBP笔记（Local Binary Pattern） 人脸识别之LBP (Local Binary Pattern) 程序可参考： lbp的matlab实现
阅读全文
摘要：markdown中使用链接的语法是 [名称](网址) 例如： [百度](https://www.baidu.com/) 我们也可以用这个方法来到达文件本身的任何一级标题，例如 [go to chapter 1](#Chapter 1 Introduction) 其中，#号不能漏了。 按住Ctrl键(
阅读全文
摘要：Typora如何插入mermaid流程图 Mermaid Typora与CSDN的Markdown的mermaid流程图
阅读全文
摘要：matplotlib设置坐标轴
阅读全文
摘要：本文部分内容摘自： [1]. Computer vision - a modern approch, section21.4. 2002. David A. Forths et al. [2]. 马尔科夫链 1. Markov chain 2. Hidden Markov Modelson Disc
阅读全文
摘要：python-opencv对Lucas-Kanade算法的实现可参考这篇资料。
阅读全文
摘要：交替方向乘子法( Alternating Direction Method of Multipliers, ADMM)是一种常用的优化方法，本文详细地介绍了此方法，并用矩阵低秩表示作为例子，对每一个变量的迭代公式进行了详细推导。
阅读全文
摘要：在数据样本矩阵中，我们常用一列表示一个样本，一行表示一个特征。
阅读全文
摘要：首先推荐这个知乎文章，讲的挺好的：https://zhuanlan.zhihu.com/p/40991784 本文摘自：通俗易懂讲明白 最大似然和EM算法 最大似然 我们需要找到一个参数θ，其对应的似然函数L(θ) 最大，也就是说抽到这100 个男生(的身高)概率最大。这个叫做 θ 的最大似然估计量
阅读全文
摘要：google浏览器谷歌搜索引擎怎么设置单击在新标签页打开页面
阅读全文
摘要：1. 邻接矩阵，度矩阵，拉普拉斯矩阵 给定一个无向图： 我们可以用邻接矩阵(Adjacent Matrix)表示它： 把这个邻接矩阵记为W，W中的1表示有连接，0表示没有连接，例如第一行第二列的1表示图的节点1和节点2有连接，第一行第三列的0表示图的节点1和节点3没有连接在一起。因为是无向图，所以W
阅读全文
摘要：Linear Methods Lower-dimensional linear projection preserves distances between all points. Nonlinear Methods Lower-dimensional projection preserves lo
阅读全文
摘要：marksown可用如下命令设置图片尺寸 <img src="/desktop/img.png" width = "200" height = "200" /> 把蓝色部分做相应修改就可以了。
阅读全文
摘要：指示向量里的元素只能为0或者1，并且只能有一个1，例如(0,0,1,0)T就是一个指示向量，(1,0,1,0,0,0)T不是指示向量。 我们可以用指示向量来表示单分类问题：
阅读全文
摘要：1. 算法步骤 随机选取k个样本点充当k个簇的中心点； 计算所有样本点与各个簇中心之间的距离，然后把样本点划入最近的簇中； 根据簇中已有的样本点，重新计算簇中心； 重复步骤2和3，直到簇中心不再改变或改变很小。 2. 手动Python实现 import numpy as np import matp
阅读全文
