卷积神经网络是第一个被成功训练的多层神经网络结构，具有较强的容错、自学习及并行处理能力。 一、基本原理 1.CNN算法思想 卷积神经网络可以看作为前馈网络的特例，主要在网络结构上对前馈网络进行简化和改进，从理论上讲，反向传播算法可以用于训练卷积神经网络。卷积神经网络被广泛用于语音识别和图像分类等问题 Read More
反向传播算法（Back-Propagtion Algorithm）即BP学习属于监督式学习算法，是非常重要的一种人工神经网络学习方法，常被用来训练前馈型多层感知器神经网络。 一、BP学习原理 1、前馈型神经网络 是指网络在处理信息时，信息只能由输入层进入网络，随后逐层向前进行传递，一直到输出层，网络 Read More
K-means(K均值)是基于数据划分的无监督聚类算法。 一、基本原理 聚类算法可以理解为无监督的分类方法，即样本集预先不知所属类别或标签，需要根据样本之间的距离或相似程度自动进行分类。简单来说就是，给一堆数据让你分类，但是你对这些数据的类别一无所知，因此，需要找到某种度量方式来比较这些数据之间的差 Read More
遗传算法起始于20世纪60年代，受达尔文进化论的启发，借鉴生物学中的遗传、突变、自然选择以及杂交等思想，是一种模拟自然界生物进化机制的启发式搜索方法。 一、算法原理 针对现实世界中的最优化问题，遗传算法通常是使一定数量的候选解抽象表示的种群向更好的种群进化的过程。遗传算法的进化过程从完全随机生成的种 Read More
1. P. H. Chen, C. J. Lin, and B. Schölkopf, A tutorial on ν-support vector machines, Appl. Stoch. Models. Bus. Ind. 2005, 21, 111-136. 2. A. J. Smola Read More
SVM是一种二类分类模型，有监督的统计学习方法，能够最小化经验误差和最大化几何边缘，被称为最大间隔分类器，可用于分类和回归分析。支持向量机的学习策略就是间隔最大化，可形式化为一个求解凸二次规划的问题，也等价于正则化的合页损失函数的最小化问题。支持向量机的学习算法是求解凸二次规划的最优化算法。 一、基 Read More
SVM是一种有监督的统计学习方法，能够最小化经验误差和最大化几何边缘，被称为最大间隔分类器，可用于分类与回归分析 一、间隔与支持向量 给定训练样本集D={(x1,y1),(x2,y2),...,(xm,ym)},yi∈{-1,+1}，分类学习最基本的想法就是基于训练集D在样本空间中找到一个划分超平面 Read More
1、构造函数初始化列表 推荐在构造函数初始化列表中进行初始化 构造函数的执行分为两个阶段：初始化段、 普通计算段 2、对象成员及其初始化 3、const成员、引用成员的初始化 const成员的初始化只能在初始化列表中进行 加入枚举类型 Read More
4.1图像数据表示的层次 计算机视觉感知的目的是寻找输入图像和真实世界之间的关系。在输入图像和模型之间，定义了若干层次的视觉信息表示，计算机视觉由如下的设计所组成：中间表示（数据结构）、创建这些中间表示所用的算法和它们之间关系的导入。这些表示可分为四个层次。 第一层，最底层的表示，称为图标图像。由含 Read More
3.1概述 3.1.1线性 如果L是加性的且是单一性的（即满足叠加原理），则称该映射是线性的。等价的，对于任意的矢量x,y和标量a,b，线性映射满足L（ax+by）=aLx+bLy,即它保持线性组合。 3.1.2狄拉克分布和卷积 理想的冲击是一个重要的输入信号，图像平面上的理想冲击使用狄拉克分布定义 Read More