2015年11月_Zhang_Yu_Joseph

原创 Arduino通过HTTP上传Json数据，树莓派再GET回数据

接着上回说，由于树莓派丧心病狂的没有提供模拟输入口，所以我转为使用arduino作为输入设备，那么问题来了，我们怎么把mic的数据发送给树莓派呢？当然直接通过wifi传是最好的，但是我们还要使用历史数据，不能传过去就没了。有没有比较科学的方法呢？我使用在服务器上搭建一个物联网云平台，然后让arduino先上传数据，让树莓派随时取最新的数据。先来讲arduino如何上传数据我们的物联

2015-11-25 19:19:13 5462

原创在树莓派上安装麦克风监测音量

做这个事情的原因还是音响消音这个项目。Boss音响的主动消音也是使用的麦克风，不同的是他使用mic采集音量后，再用硬件取反，然后几乎同时就能播放出来进行消音。而我使用mic仅仅作为监测声音变化趋势的工具，对具体的波形并不关心。因为我提前知道了要消音的波形，只是不知道要将声音差取多少合适，那么，我使用mic作为监测设备，然后使用遗传算法，最后取得最优值。那么先来讲怎么在树莓派（Raspber

2015-11-23 19:14:30 8671

原创集体智慧总结和使用范围归纳（四）

聚类聚类是典型的非监督式机器学习方法，他们不需要训练数据，当然也不能做预测，但是他们可以对已有数据集进行分类。这里介绍分集聚类和k-均值聚类（k-means）分集聚类她的工作过程就是先把最近的两个点（A and D）合并为A‘，再将A'与C进行合并，以及B和E进行合并，最终形成两个不能合并的点’，而已经合并的点是一种树状图关系。最常见的应用就是不同性质文章的分类，最后比

2015-11-18 10:55:25 687

原创集体智慧总结和使用范围归纳（三）

支持向量机（SVM）先上图说明：这是一种监督式的分类方法，适合于数据量比较大的情况。即是首先对已知数据进行区域判定，之后位置数据落在哪个区域内，就判断是属于哪个分类。训练这里假设对户主进行行为分析，横轴和纵轴分别是两个特征，而不同颜色则是她的3种行为习惯，那么在划分了区域后，之后只要知道她的两种特征后，就能推断出她在做什么。但是，如果分类图如下所示：就不好线

2015-11-17 10:06:29 715

原创集体智慧总结和使用范围归纳（二）

接着上篇继续：神经网络类型有非常多了。这里仅介绍一下多层感知器网络。她由两层神经元构成，第一层是感知神经元，负责将输入传递给第二层的隐藏神经元。最后由隐藏神经元输出，得到一组数字（没有实际的意义），对应一系列的输入，就是根据这些数字的大小来对输入进行排序，分类等。图是从别处引用的（http://blog.csdn.net/u011067360）。这里有4个输入神经，架设

2015-11-16 10:16:02 708

原创集体智慧总结和使用范围归纳

最近把集体智慧编程看完了，这里做一些总结：朴素贝叶斯分类器：简而言之，属于监督学习训练input(郑州城管写“奇诗” 刷爆朋友圈) is (表扬城管)input(4大城管举措管出“巴适”成都) is （表扬城管）input（街头砍死城管杀人疑犯落网）is （中性）input（城管拆小区违建未提前告知被判违法也算强拆）is （批评城管）input（贵阳城管被曝围

2015-11-14 11:30:08 635

之所以要些这篇文章，是因为本人之前一直在用arduino系列的实验板做智能家居的实验，然而，随着硬件价格越来越便宜，arduino的价格优势并不是那么明显了，而她的性能一直是其短板，有些任务其实可以不传到远端处理，直接在硬件上运算会更加方便和使用。树莓派，Raspberry Pi（以下就简称Pi），发展到写本文时已经是2b型号，1G4核CPU，2G内存，已经可以进行一些稍微复杂的计算了，而成本估计

2015-11-11 19:38:58 1939

Zhang_Yu_Joseph的博客