- 博客(31)
- 资源 (3)
- 收藏
- 关注
RSS订阅转载 最小二乘C
简单思路如下：1，采用目标函数对多项式系数求偏导，得到最优值条件，组成一个方程组；2，方程组的解法采用行列式变换（两次变换：普通行列式——三角行列式——对角行列式——求解），行列式的求解算法上优化过一次了，目前还没有更好的思路再优化运算方法，限幅和精度准备再修改修改目前存在的问题：1，代码还是太粗糙2，数学原理可行，但是计算机运算有幅度溢出和精度问题，这方面欠考虑，导致高阶大数
2015-10-30 21:52:14
937
1
转载 最小二乘拟合详解
概念最小二乘法多项式曲线拟合，根据给定的m个点,并不要求这条曲线精确地经过这些点，而是曲线y=f(x)的近似曲线y= φ(x)。原理[原理部分由个人根据互联网上的资料进行总结，希望对大家能有用] 给定数据点pi(xi,yi)，其中i=1,2,…,m。求近似曲线y= φ(x)。并且使得近似曲线与y=f(x)的偏差最小。近似曲线在点pi处的偏
2015-10-30 21:50:33
10344
原创 监督学习和无监督学习的详细介绍
l 学习映射函数及在行为识别/图像分类中应用的文献（模型与非模型之间存在关联，算法相互采用，没有明确的区分，含仿生学文献）% 研究重点放到ICA模型及深度学习兼顾稀疏编码1）稀疏编码（稀疏编码、自动编码、递归编码）：[1] B. Olshausen and D. Field. Emergence of simple-cell receptive field p
2015-10-30 16:46:51
5093
原创 graph-cut
【简介】Graph Cuts 不等于 graph cut(如 min cut、normalized cut、RatioCut)， 是最近在计算机视觉中研究和应用比较多的energy minimization（能量函数最小化）优化算法，典型的用于stereo matching, image restortion, texture synthesis等应用。 这个优化算法用来解 marko
2015-10-29 10:45:13
3661
2
原创 Gruph-cut
所谓图像分割指的是根据灰度、颜色、纹理和形状等特征把图像划分成若干互不交迭的区域，并使这些特征在同一区域内呈现出相似性，而在不同区域间呈现出明显的差异性。我们先对目前主要的图像分割方法做个概述，后面再对个别方法做详细的了解和学习。1、基于阈值的分割方法 阈值法的基本思想是基于图像的灰度特征来计算一个或多个灰度阈值，并将图像中每个像素的灰度值与阈值相比较，最后将像素根据比较
2015-10-29 10:35:37
1982
转载 const||C++
一、对于基本声明const int r=100;标准C++ const变量声明加初始化，因为默认内部连接所以必须被初始化，其作用域为此文件，编译器经过类型检查后直接用100在编译时替换。extendconst int r=100;将const改为外部连
2015-10-28 22:46:55
545
转载 const||C++
一。、首先要知道强弱符号编译器编译源文件时会把源文件的全局符号(global symbol)分成强(strong)和弱(weak)两类传给汇编器， 而随后汇编器则将强弱信息编码并保存在目标文件的符号表中。 那么何谓强弱呢？编译器认为函数与初始化了的全局变量都是强符号，而未初始化的全局变量则成了弱符号。比如有这么个源文件:extern int errorno;
2015-10-28 22:45:24
389
转载 const ||c
首先是const变量定义的方式，它有两种定义方式第一种定义方式 const在类型的前面const int var = 100；第二种定义的方式 const在类型的后面int const var1 = 999；两种定义的方式没有区别const变量在定义的时候进行初始化当一个变量声明为const变量，意味着该变量是一个常量，不可以被修改（cons
2015-10-28 21:45:30
506
原创 随机森林
Random Forest(s)，随机森林，又叫Random Trees[2][3]，是一种由多棵决策树组合而成的联合预测模型，天然可以作为快速且有效的多类分类模型。如下图所示，RF中的每一棵决策树由众多split和node组成：split通过输入的test取值指引输出的走向（左或右）；node为叶节点，决定单棵决策树的最终输出，在分类问题中为类属的概率分布或最大概率类属，在回归问题中为函数取值。
2015-10-28 17:12:14
5525
原创 SVM
SVM的应用领域很广，分类、回归、密度估计、聚类等，但我觉得最成功的还是在分类这一块。 用于分类问题时，SVM可供选择的参数并不多，惩罚参数C，核函数及其参数选择。对于一个应用，是选择线性核，还是多项式核，还是高斯核？还是有一些规则的。 实际应用中，多数情况是特征维数非常高。如OCR中的汉字识别，提取8方向梯度直方图特征，归一化的字符被等分成8*8的网格，每
2015-10-28 16:28:43
1283
转载 DOG、Laplacian金字塔&高斯金字塔
DoG(Difference of Gaussian)DoG (Difference of Gaussian)是灰度图像增强和角点检测的方法，其做法较简单，证明较复杂，具体讲解如下:Difference of Gaussian(DOG)是高斯函数的差分。我们已经知道可以通过将图像与高斯函数进行卷积得到一幅图像的低通滤波结果，即去噪过程，这里的Gaussian和高斯低通滤波器的高斯一
2015-10-28 15:16:50
1016
转载 SIFT &DOG
《SIFT原理与源码分析》系列文章索引：http://blog.csdn.net/xiaowei_cqu/article/details/8069548尺度空间理论自然界中的物体随着观测尺度不同有不同的表现形态。例如我们形容建筑物用“米”，观测分子、原子等用“纳米”。更形象的例子比如Google地图，滑动鼠标轮可以改变观测地图的尺度，看到的地图绘制也不同；还有电影中的拉
2015-10-28 15:13:11
781
转载 Hessian矩阵
海赛矩阵 在数学中，海赛矩阵是一个自变量为向量的实值函数的二阶偏导数组成的方块矩阵，此函数如下： 如果f所有的二阶导数都存在，那么f 的海赛矩阵即：H(f)ij(x) = DiDjf(x) 其中 ，即 （也有人把海色定义为以上矩阵的行列式） 海赛矩阵被应用于牛顿法解决的大规模优化问题。
2015-10-28 15:00:27
1308
转载 PCA
主成分分析PCA降维的必要性1.多重共线性--预测变量之间相互关联。多重共线性会导致解空间的不稳定，从而可能导致结果的不连贯。2.高维空间本身具有稀疏性。一维正态分布有68%的值落于正负标准差之间，而在十维空间上只有0.02%。3.过多的变量会妨碍查找规律的建立。4.仅在变量层面上分析可能会忽略变量之间的潜在联系。例如几个预测变量可能落入仅反映数据某一方面特征的一个组内
2015-10-28 14:58:04
721
转载 LDA
一． LDA算法概述：线性判别式分析(Linear Discriminant Analysis, LDA)，也叫做Fisher线性判别(Fisher Linear Discriminant ,FLD)，是模式识别的经典算法，它是在1996年由Belhumeur引入模式识别和人工智能领域的。性鉴别分析的基本思想是将高维的模式样本投影到最佳鉴别矢量空间，以达到抽取分类信息和压缩特征空间维数的效
2015-10-28 11:46:04
756
转载 SURF&SIFT
共同点：SIFT/SURF为了实现不同图像中相同场景的匹配，主要包括三个步骤：1、尺度空间的建立；2、特征点的提取；3、利用特征点周围邻域的信息生成特征描述子4、特征点匹配。 从博客上看到一片文章，http://blog.csdn.net/cy513/archive/2009/08/05/4414352.aspx，这一段的大部分内容源于这篇文章，推荐大
2015-10-28 10:16:23
541
转载 SURF
Surf算法的原理 1.构建Hessian矩阵构造高斯金字塔尺度空间其实surf构造的金字塔图像与sift有很大不同，就是因为这些不同才加快了其检测的速度。Sift采用的是DOG图像，而surf采用的是Hes
2015-10-28 10:14:56
1763
转载 找找3
图像处理基础部分叙述GABOR滤波器原理Graph-cut的基本原理和应用常用的分类器有哪些并简述其原理简述SVMGMM SIFTSURF和LDAPCA的基本原理简述监督学习和非监督学习的区别并举例说明常用的颜色空间有哪些各有什么特征Random Forest的随机性表现在哪里常用的图像分割算法有哪些各有什么优缺点数学形态中有哪些常用的算法各算法的功能常用纹理特征有哪些常用聚类方法有哪些并
2015-10-28 09:37:17
584
转载 找找2
图像处理算法工程师职位面试题汇总图像基础知识：1. 常用的图像空间。2. 简述你熟悉的聚类算法并说明其优缺点。3. 请描述以下任一概念：SIFT/SURF LDA/PCA4. 请说出使用过的分类器和实现原理。5. Random Forest的随机性表现在哪里。6. Graph-cut的基本原理和应用。7. GMM的基本原理和应用。
2015-10-28 09:14:42
602
转载 面试题
汉王机器视觉（软件工程师）：1.以下变量pValue分别是什么类型？并请谈谈你对static和const的理解。（1）static int（*pValue）[10];静态的指向整形数组的指针（数组指针）（2）int(*pValue[10])(int);
2015-10-28 08:58:48
446
转载 面试题
图像基础知识：1. 常用的图像空间。2. 简述你熟悉的聚类算法并说明其优缺点。3. 请描述以下任一概念：SIFT/SURF LDA/PCA4. 请说出使用过的分类器和实现原理。5. Random Forest的随机性表现在哪里。6. Graph-cut的基本原理和应用。7. GMM的基本原理和应用。8. 用具体算法举例说明监督学习和
2015-10-28 08:54:52
836
转载 面试题
高级软件开发人员招聘试题 应聘高级软件开发人员者请回答这部分问题。 1．数据的逻辑存储结构（如数组，队列，树等）对于软件开发具有十分重要的影响， 试对你所了解的各种存储结构从运行速度、存储效率和适用场合等方面进行简要地分析。 2．数据库技术是计算机系统中一个非常重要的领域，几乎所有的计算机应用中都或多 或少地用到了数据库。试简要地谈谈数据库设计中应当注意哪些问
2015-10-28 08:42:43
693
转载 了解范数的文章
机器学习中出现的非常频繁的问题：过拟合与规则化。我们先简单的来理解下常用的L0、L1、L2和核范数规则化。最后聊下规则化项参数的选择问题。这里因为篇幅比较庞大，为了不吓到大家，我将这个五个部分分成两篇博文。知识有限，以下都是我一些浅显的看法，如果理解存在错误，希望大家不吝指正。谢谢。 监督机器学习问题无非就是“minimizeyour error while regu
2015-10-25 11:20:38
713
转载 面试题
从百度校园招聘开始，我就投了一份简历。在别人都有在线笔试机会的时候，我却没有任何消息。 听说师兄可以给推荐，我就又通过内部推荐的方式投递了一次，这次很快就有消息了——拒信。 那时基本上就放弃了百度。可是大概20多天以后，我投递的第一份简历有消息了——通知我在线笔试。经过精心准备，笔试题答得还凑合。过了几天给我来了封邮件告知我笔试通过，会找时间安排电话面试。又过了好几天，我正在剃头的
2015-10-24 22:41:25
457
转载 面试题2015
#include #include using namespace std;int main(){ int T;//number of test cin >> T; for(int x = 0; x < T; x++) { int n, bot, top; cin >> n >> bot >> top ;
2015-10-24 22:37:59
544
转载 面试题
一、简答题1、 在浏览器中输入url回车后，整个处理流程是如何的？2、 一个输入框，能够输入文字、图片、视频信息，请针对此输入框，设计测试并写出测试用例。3、 C/S和B/S模式的区别以及各自特点？二、程序题1、 有n个元素的数组，元素取值范围是1到n,判定数组是否存在重复元素？要求时间复杂度为O(n)。 思路：映射到hash表
2015-10-24 22:33:23
600
转载 百度面试题2012
1、实现一个函数，对一个正整数n，算得到1需要的最少操作次数。操作规则为：如果n为偶数，将其除以2；如果n为奇数，可以加1或减1；一直处理下去。例子：func(7) = 4，可以证明最少需要4次运算n = 7n-1 6n/2 3n-1 2n/2 1要求：实现函数(实现尽可能高效) int func(unsign int n)；n为输入，返回最小的运算次数。给出思
2015-10-24 22:25:48
573
转载 linux系统常用命令和解析
引言Linux提供了大量的命令，利用它可以有效地完成大量的工作，如磁盘操作、文件存取、目录操作、进程管理、文件权限设定等。所以，在Linux系 统上工作离不开使用系统提供的命令。要想真正理解Linux系统，就必须从Linux命令学起，通过基础的命令学习可以进一步理解Linux系统。不同Linux发行版的命令数量不一样，但Linux发行版本最少的命令也有200多个。这里笔者把比较重要和使用频
2015-10-23 23:01:18
2507
Area Location Code
2015-03-23
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人