摘要： 
机器学习十大算法之一：EM 算法。能评得上十大之一，让人听起来觉得挺 NB 的。什么是 NB 啊，我们一般说某个人很 NB，是因为他能解决一些别人解决不了的问题。神为什么是神，因为神能做很多人做不了的事。那么 EM 算法能解决什么问题呢？或者说 EM 算法是因为什么而来到这个世界上，还吸引了那么多世 阅读全文
机器学习十大算法之一：EM 算法。能评得上十大之一，让人听起来觉得挺 NB 的。什么是 NB 啊，我们一般说某个人很 NB，是因为他能解决一些别人解决不了的问题。神为什么是神，因为神能做很多人做不了的事。那么 EM 算法能解决什么问题呢？或者说 EM 算法是因为什么而来到这个世界上，还吸引了那么多世 阅读全文
摘要： 
在目标检测中，经常需要计算预测回归框和真实回归框的交并比（Intersection Over Union，IOU），也称重叠度,计算公式如下。 \(IOU = \frac{预测回归框与真实回归框的交集}{预测回归框与真实回归框的并集}\) 由于回归框只是确定物体的位置，不需要考虑物体的倾斜、 阅读全文
在目标检测中，经常需要计算预测回归框和真实回归框的交并比（Intersection Over Union，IOU），也称重叠度,计算公式如下。 \(IOU = \frac{预测回归框与真实回归框的交集}{预测回归框与真实回归框的并集}\) 由于回归框只是确定物体的位置，不需要考虑物体的倾斜、 阅读全文
摘要： 
概述 卡尔曼滤波（Kalman filter）是一种高效率的递归滤波器（自回归滤波器），它能够从一系列的不完全及包含杂讯的测量中，估计动态系统的状态。卡尔曼滤波会根据各测量量在不同时间下的值，考虑各时间下的联合分布，再产生对未知变数的估计，因此会比只以单一测量量为基础的估计方式要准。卡尔曼滤波得名自 阅读全文
概述 卡尔曼滤波（Kalman filter）是一种高效率的递归滤波器（自回归滤波器），它能够从一系列的不完全及包含杂讯的测量中，估计动态系统的状态。卡尔曼滤波会根据各测量量在不同时间下的值，考虑各时间下的联合分布，再产生对未知变数的估计，因此会比只以单一测量量为基础的估计方式要准。卡尔曼滤波得名自 阅读全文
摘要： 
笔者最近在计算机视觉课程里接触到了高斯混合模型（Gaussian Mixture Model），遂写一篇笔记来整理记录相关知识点，分享给大家。欢迎讨论、指正！ 混合模型（Mixture Model） 混合模型是一个可以用来表示在总体分布（distribution）中含有 K 个子分布的概率模型，换句 阅读全文
笔者最近在计算机视觉课程里接触到了高斯混合模型（Gaussian Mixture Model），遂写一篇笔记来整理记录相关知识点，分享给大家。欢迎讨论、指正！ 混合模型（Mixture Model） 混合模型是一个可以用来表示在总体分布（distribution）中含有 K 个子分布的概率模型，换句 阅读全文
摘要： 
概述 希尔伯特空间是一个完备的内积空间，其标准正交函数系，直观来看就是向量空间中基的延伸。其为基于任意正交系上的多项式表示的傅立叶级数和傅立叶变换提供了一种有效的表述方式，而这也是泛函分析的核心概念之一。下文中我们将通过希尔伯特空间的标准正交函数系推导周期函数和有限区间上函数的傅立叶级数表示，并进一 阅读全文
概述 希尔伯特空间是一个完备的内积空间，其标准正交函数系，直观来看就是向量空间中基的延伸。其为基于任意正交系上的多项式表示的傅立叶级数和傅立叶变换提供了一种有效的表述方式，而这也是泛函分析的核心概念之一。下文中我们将通过希尔伯特空间的标准正交函数系推导周期函数和有限区间上函数的傅立叶级数表示，并进一 阅读全文
摘要： 
决策树（Decision Tree）是一种基本的分类与回归方法，其模型呈树状结构，在分类问题中，表示基于特征对实例进行分类的过程。本质上，决策树模型就是一个定义在特征空间与类空间上的条件概率分布。决策树学习通常包括三个步骤：特征选择、决策树的生成和决策树的修剪。 定义 分类决策树模型是一种描述对实例 阅读全文
决策树（Decision Tree）是一种基本的分类与回归方法，其模型呈树状结构，在分类问题中，表示基于特征对实例进行分类的过程。本质上，决策树模型就是一个定义在特征空间与类空间上的条件概率分布。决策树学习通常包括三个步骤：特征选择、决策树的生成和决策树的修剪。 定义 分类决策树模型是一种描述对实例 阅读全文