- 博客(6)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 模式识别（3）-SVM分类算法
3.1.SVM算法原理和分析 SVM（Support Vector Machines），中文名字叫做支持矢量机。SVM也是寻找一个超平面，使得训练集中的点距离分类面尽可能的远，就是让这个分类面两侧放入空白区域最大。 支持矢量就是距离分类平面最近的一些样本点，对决策面的选取有决策作用。SVM训练代码：clear allclose allN1=440;for i=1:N1x1(1,i)=-1
2017-10-25 22:13:26
2280
原创 模式识别2-线性分类器（最小二乘法）
2.1：算法原理分析 有两类样本，X1,和X2,如果将这两类数据正确分类，则X1对应的y=1，X2对应的y=-1，但是，往往分类的结果不会都正确，这个时候就有分类错误，将这种错误用就是期望值与真实值的误差，用最小二乘法计算出分类错误： j(w)=E[|y-xT*w |^2] w=argmin(j(w)) 现在要做的是求出让代价函数j(w)取最小值的时候,w的取值。 要让j(w)最小
2017-10-25 12:46:52
6207
原创 模式识别1-线性分类器（感知机）
1.1：感知机算法原理 首先明确，感知机的输入和输出，输入就是一组向量，每个向量都有n个特征值，输出为每个向量的所属类别，对于二分类而言，就是+1和-1. 这个可以用sign函数来模拟： 输入空间到输出空间的函数为：f(x) = sign(w*x +b); 函数理解：w,b为感知机模型参数，w是一个权重向量，b是偏置，w*x是内积，sign是符号函数，当w*x+b>0时候，函数输出为
2017-10-25 12:44:01
1865
转载 C++计算代码运行时间
参考：http://blog.csdn.net/songzige/article/details/51181934#include "time.h" using namespace std; int main(){ clock_t start, finish; double time_length; start = clock();//start /
2017-10-15 16:10:50
733
原创 C++中一种典型的语法错误：c++中临时变量不能作为非const的引用参数
最近编译代码，出现了一种很奇怪的错误，按正常思维来说是没有问题的。 看错误信息（我编译的是oepnCV的代码） 错误对应的代码块： 错误原因分析： 就拿f(a + b)来说，a+b的值会存在一个临时变量中，当把这个临时变量传给f时，由于f的声明中，参数是int&，不是常量引用，因为c++编译器的一个关于语义的限制。 如果一个参数是以非const引用传入，c++编译器就有理由认为程序员会在函
2017-10-15 11:59:07
531
原创 Ubuntu下在openCV3.2中配置opencv_contrib，然后使用SURF算子
最近用openCV3.2，发现无法使用SURF做特征点的检测。百度了一下，发现了是这样解释的。 “图像识别中的特征点检测中，需要用到Surf和Sift算法，但是这两个算法在OpenCV 3.2的Release版本中并不存在，因为他们是存放在opencv_contrib目录下面的未稳定功能模块”。 安装好openCV_contrib用了我一下午时间，才让代码在openCVC3.2的环境下编译通过，
2017-10-02 20:54:17
1263
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人