小虫子12

摘要： RBF核/高斯核 : k(xi,xj)=exp(−||xi−xj||2 /2σ2)，其中σ为高斯核的带宽 多项式核: k(xi,xj)=(xTixj)d，当d=1时退化为线性核 拉普拉斯核：k(xi,xj)=exp(−||xi−xj||/σ) Sigmoid核：k(xi,xj)=tanh(βxTix 阅读全文

摘要： 注意：要求Ubuntu系统预先安装opencv和cuda8.0 下载caffe，一般可从GitHub获得，解压缩。 一、编译 1、cd /home/（服务器的名字）/caffe（caffe目录下） 2、cp Makefile.config.example Makefile.config 打开并修改M 阅读全文

摘要： Caffe配置 步骤1：下载：cuda_8.0.44_windows.exe（https://developer.nvidia.com/cuda-toolkit-archive）、cudnn-8.0-windows7-x64-v5.0-ga.zip、微软的caffe（https://github.c 阅读全文

摘要： 基于梯度的优化方法 目标函数（准则）：需要最小化或者最大化的函数，对其进行最小化时，也称代价函数、损失函数或误差函数。 通常使用上标*表示最小化或最大化的x值，如x* = arg min f(x) 令f'(x) = 0时得到的点有三种情况，如下各种临界点的例子。 图：临界点的类型。一维情况下，三种临 阅读全文

摘要： 常用概率分布 伯努利分布（Bernoulli distribution） 伯努利分布是单个二值随机变量的分布，它由单个参数Φ∈[0,1]，Φ给出了随机变量等于1的概率。伯努利分布又称二点分布或0-1分布，即一次实验只有正例和反例两种可能。用随机变量表示就是X只能取0或者1，伯努利试验是只有两种可能结 阅读全文

摘要： 证明 由上一篇可得到目标函数1/n × u1T XXTu1 ,并且X = [x1,x2,......,xn]，XT =[x1T,x2T,......,xnT]T ，由于（XXT）T =XXT，所以XXT是对称阵 假设XXT的某一个特征值为λ,对应的特征向量为ξ，则有： XXTξ = λξ (XXTξ 阅读全文

摘要： 定义 主成分分析（Principal Component Analysis）也称为主分量分析，主要是利用降维的思想，把多指标转化为少数几个综合指标（即主成分），其中每一个主成分都能够反映原始变量的大部分信息，并且所含信息互不重复。 优点：降低数据的复杂性，识别最重要的多个特征。 缺点：不一定需要，且 阅读全文

摘要： 线性相关和生成子空间 如果逆矩阵A-1存在，那么式子Ax = b肯定对于每一个向量b恰好存在一个解。但是，对于方程组而言，对于向量b的某些值，有可能无解或者存在无限多解。存在多于一个解但是少于无限多个解的情况是不可能发生的；因为如果x和y都是某方程组的解，则 z = αx + (1-α)y，(α取任 阅读全文