2016年05月_eternity1118_

原创模式识别学习笔记（十六）--非线性分类器

前面的学习中，我们学习了有关线性分类器的相关知识，但是要知道，很多情况下我们并不能保证类别间的分类面是线性的（线性是最简单的情况），而且许多复杂问题中，可能采用非线性分类器更适合问题的解决；因此接下来开始，继续学习有关非线性分类器的东西，必要时可以跟前面线性分类器进行一个总体的比较，帮助加深印象。常用的非线性分类器主要有两大类：基于判别函数的和非基于判别函数的；基于设计判别函数的非线性分类

2016-05-31 18:35:33 5354 1

原创 OC学习笔记（六）--类的常见错误总结

1.在@interface中对成员变量初始化；2.混淆方法与函数；3.漏掉@end；4.只有类的声明，没有类的实现；5.多个类进行嵌套；6.@interface中嵌套@implementation；注意interface和implementation的区别，苹果官网上用一张钟表的图来形象的解释了它们之间的区别：7.@interface中，将成员变量当做C中的变量

2016-05-31 17:14:23 602

原创 OC学习笔记（五）--对象与函数

#import @interface Person : NSObject { float weight; int age; } - (void) talk; @end @implementation Person - (void) talk { NSLog(@"对方（年龄%d体重%f

2016-05-30 18:00:24 645

原创 OC学习笔记（四）--对象指针

#import @interface Person : NSObject{ float weight; int age;}- (void) talk; @end@implementation Person- (void) talk{ NSLog(@"对方（年龄%d体重%f）不想跟你说话，并向你扔了一个白眼。。",age,weigh

2016-05-30 13:18:31 540

原创 OC学习笔记（三）--类与对象

#import //类的声明//对象的属性和行为@interface Person : NSObject //注意：类名一定要第一个字母大写或者驼峰式{ //声明对象属性，成员变量（实例变量）默认初始化为0 @public int age; BOOL sex;}@end//类的实现@implementation Perso

2016-05-30 10:58:28 612

提起《太后》，应该大家早已熟知，火的不要不要的一部韩剧，它的到来俨然宣布了传统矫情的小韩剧式剧情的结束，新一波上升到国家高度的高尚意义式爱情的到来，所以大家看了一片叫好啊，觉得怎么可以有这么好看的剧，不得不承认这部韩剧真的很不错，首要功臣当然要感谢编剧金恩淑，这部剧我当初也是每周跟下来的，跟的那叫一个痛苦啊，哈哈。也许会有人问了，为什么我们大天朝拍不出这样的剧？为什么我们就没有这么好的作品？其实我

2016-05-29 21:41:54 2221

原创运动跟踪算法CMT（续）之层次凝聚聚类算法（HAC）

熟悉CMT的都知道，作者在聚类部分使用了层次凝聚聚类算法（Hierarchical Agglomerative Clustering）并且使用的是单链（Single-link），今天我们就来学习下这个算法。前面学习了几种聚类算法，K-Means，EM，AP等都属于平面聚类（Flat Clustering），因为这些算法的输出都是返回一个平面的无结构的聚类集合，所以叫做Flat c

2016-05-28 23:23:25 4763

原创软分类和硬分类

在统计学习中，有两种模型：概率模型和非概率模型；概率模型：形式为P(x|y)，即在学习过程中，y未知，训练后模型得到的输出是x的一系列值的概率；非概率模型：形式为决策函数，即输入x到输出y的一个映射，且输出唯一；软分类：使用的是概率模型，输出不同类对应的概率，最后的分类结果取概率最大的类，如多SVM组合分类；硬分类：使用的是非概率模型，分类结果就是决策函数的决策结果；

2016-05-28 17:11:14 6806 2

原创吸引子传播（Affinity Propagation）算法

AP算法诞生于2007年，由于其算法的简单性以及性能的优越性，得以广泛应用，成为K-Means外的又一大常用聚类算法；K-Means聚类自身的缺陷在于要人为选取聚类数量以及初始点，算法的性能也完全依赖于上述选择，与K-Means相比，AP避免了此类人工选择，将数据点对之间的相似性度量作为输入，它的核心在于“message passing信息传播”，主要目的为了找到一个样例的典型，即能够表示

2016-05-27 21:26:20 7376 3

原创 EM（期望最大化）聚类详细推导

1.简介在讲EM之前，不知道大家还记不记得GMM算法，这个算法本质上也是一种聚类算法，而且GMM的求解正是利用本篇所讲的EM聚类来得到高斯分量的。上篇提到了K-Means聚类，尽管这个算法很常用，但可能会遇到像聚类重叠，或聚类的形状不是圆形等问题；今天来学习一个新的聚类算法，叫EM聚类，这个算法本质上来说跟K-Means很像，但比K-Means全面更深入的描述一

2016-05-27 16:16:41 12575

翻译 K-Means聚类算法

本文系翻译（原文），必要时揉入了自己的理解，各位看官，如有错误还望多多包涵。1.引言前面说过，机器学习是一门处理数据的学科，计算机发展至今，也诞生了数不胜数的跟数据有关的智能算法，正因为这些算法才让那些从事数据分析和处理的人们得以发挥自己的聪明才智。这些算法表面上看似极其复杂无比，但是如果你有心将它们一一整理并且深入的理解，那么在你需要时，你会发现找到一个适合的算法应用到你的

2016-05-27 12:59:06 4641

转载图像处理与计算机视觉开源库汇总

转载自：http://blog.chinaunix.net/uid-24517893-id-3125166.html通用库/General LibraryOpenCV无需多言。RAVLRecognition And Vision Library. 线程安全。强大的IO机制。包含AAM。CImg很酷的一个图像处理

2016-05-27 09:21:33 1954

原创 OC（Objective-C）学习笔记（二）--终端运行多OC程序

1.touch tst.m2.open tst.m3.简单输入一段代码：#import void tst(){ NSLog(@"你学会了么？");}4.touch tst.h5.open tst.h6.输入tst函数的声明：void tst();7.touch man.m8.open man.m9.输入一段code，如：#import "

2016-05-26 16:53:14 1390

原创 OC（Objective-C）学习笔记（一）--import的作用

OC程序在包含头文件时，与C不一样，是用的import，而非include。import的作用有：1）与C中include一样，用来拷贝文件的内容；2）可以防止文件的内容被重复拷贝；

2016-05-26 16:09:22 1156

翻译 P-N学习

本文翻译自Zdenek Kalal的论文Tracking-Learning-Detection ，PAMI 2010，其中还夹杂我自己的理解，如有错误，还望包涵。另外，有关P-N学习的更详细知识，可参考Zdenek Kalal的论文PN-learning:Bootstrapping Binary Classifiers by Structural Constraints, Zde

2016-05-25 18:28:52 3920

原创 iOS中tableView的刷新机制

1.数据刷新 1）修改模型数据； 2）刷新表格（刷新界面）2.表格刷新的方法 1）全局刷新：每一行都会重新刷新- (void)reloadData; 2）局部刷新：它的前提条件是，刷新前后，模型数据的个数必须保持不变- (void)reloadRows:(NSArray *)indexPaths withRowAnimation:(UITableView

2016-05-25 15:59:02 1634

原创模式识别（Pattern Recognition）学习笔记（十五）--机器学习的范化能力（推广能力）

如有错误还请指正，并望海涵。。谢谢。。模式识别是一种基于数据的机器学习，学习的目的不仅是要对训练样本正确分类，而且能对测试样本正确分类，这种能力叫做推广能力或范化能力。如何评估一个学习机器的推广能力呢？设某一样本x，其真实所属类别标签为y，用判别函数f(x,w)来估计y，估计过程中带来的损失为L(y,f(x,w))，则在某个w下对所有训练样本的

2016-05-25 14:20:10 2679

原创模式识别（Pattern Recognition）学习笔记（十四）--多类线性判别函数

模式识别（Pattern Recognition）学习笔记（十四）--多类线性判别函数如有错误还请海涵，多谢。。首先，将多类线性判别函数记为：按照上一节学习的多类分类器的设计思想，很明显对于c类问题，就有c个判别函数：（1）如果哪一类的判别函数最大，就决策为哪一类：if ，then （2

2016-05-25 13:44:32 2107

原创模式识别（Pattern Recognition）学习笔记（十三）--多类线性分类器

模式识别（Pattern Recognition）学习笔记（十三）--多类线性分类器如有错误还望海涵，谢谢。引言在之前的学习和讨论中，均是围绕的两类问题来展开，但这毕竟不结合实际，实际应用中面临更多的往往是多类分类问题，如钞票代码识别中，10个数字的识别和26个英文字母的识别等。通常来说，解决多类问题的基本思路有两种：一是把多类问题分界成多个两类问题，通

2016-05-25 12:12:59 5979 1

翻译自适应直方图均衡（AHE）和限制对比度的自适应直方图均衡（CLAHE）

本文翻译自https://en.wikipedia.org/wiki/Adaptive_histogram_equalization，如有错误还望海涵。。自适应的直方图均衡（Adaptive Histogram Equalization）1.算法简介 AHE是一种用来改善图像对比度的图像处理技术，它与传统的（普通）直方图均衡相比，不同点主要在于，AHE通过计算图像每一个显

2016-05-24 17:37:02 22561 4

原创限制对比度的自适应直方图均衡化（CLAHE）在opencv中的使用

1.CLAHE简介 HE直方图增强，大家都不陌生，是一种比较古老的对比度增强算法，它有两种变体：AHE和CLAHE；两者都是自适应的增强算法，功能差不多，但是前者有一个很大的缺陷，就是有时候会过度方法图像中相同区域的噪声问，为了解决这一问题，出现了HE的另一种改进算法，就是CLAHE；CLAHE是另外一种直方图均衡算法，能有效的增强或改善图像（局部）对比度，从而获取更多图像相关细节

2016-05-24 13:50:01 14783

原创霍夫Hough峰值检测的C++实现

直接上代码，代码里分析峰值检测的基本思想：void ls::houghPeaks(cv::Mat &H,int numpeaks,double thresh,const int *nhood_size,vector &r,vector &c) { bool done = false;//峰值检测布尔值 cv::Mat hnew = H.clone();/

2016-05-24 12:20:43 5019 1

原创模式识别（Pattern Recognition）学习笔记（十二）--SVM（广义）：大间隔

在学习之前，先说一些题外话，由于博主学习模式识别没多久，所以可能对许多问题还没有深入的认识和正确的理解，如有不妥，还望海涵，另请各路前辈不吝赐教。好啦，我们开始学习吧。。同样假设有样本集：由于线性不可分，所以不会对每一个样本都满足，就是说肯定会有一些小于1的样本，对于这些样本我们怎么办呢，想象一下，如果我们在不等式两边同时加上一个正数，是不是总会让它不小于

2016-05-24 10:16:25 3686

原创模式识别（Pattern Recognition）学习笔记（十一）--SVM支持向量机（狭义）：大间隔

1.最优分类超平面对于感知器，我们知道了在梯度下降迭代过程中，只要选择的权向量初始值和不同的步长，就会产生不同的解，想象一下，只要样本集是线性可分的（不考虑线性不可分的情况），就会有无数个决策面可以将它们分开，不同的只是距离超平远近的问题，因此对于这种问题就会存在多解性，如图1，但是我们要想办法找到这多解中的最优的一个解，即最优分类超平面。接下来，再想象一下，如果让你来对上图中的两

2016-05-23 10:39:47 3549

原创模式识别（Pattern Recognition）学习笔记（十）--最小平方误差判别（MSE）

上篇介绍了样本线性可分下的Fisher判别，这篇开始介绍样本不可分下的判别--MSE。最小平方误差（又叫最小二乘误差）判别是针对样本线性不可分的情况来讨论的，因此当样本不可分时，就有可能出现错分，就不可能所有样本都满足，对于这种问题，我们有一个约定，就是求解一个解向量使得出现错分的样本尽可能的少，换句话说，就是要通过解不等式组来是错分样本数最小化。为了求解方便，引入常数向量，将

2016-05-20 17:45:44 5908 1

原创我是路人甲，请你为我祝福

这波的主打曲目同样跟电影主题曲有关，同样跟改编有关，先说说我认识这首歌的经历吧，可能有人已经猜到了是什么歌。受弟弟极力安利，看了《我是路人甲》这部影片，不得不说这部影片很赞，尔冬升导演着实业界良心，兢兢业业，为这部影片筹备了三年，电影开拍前，还专门去了北京横店做了四个月的采访，以搜集素材和资料。这部电影最大的亮点，也是最催泪的点，就是不敢再众人面前跳舞的姐姐大蒿，在一个黑夜里无人

2016-05-20 15:04:57 1682

原创我的天空我的未来我的梦

前不久逛豆瓣，偶然发现了首页推的一部电影，叫《青春派》，看了一眼海报剧照，觉得还不错，但是并没有对它抱太大期望，毕竟这两年里有关青春系列的电影实在是太多太多了，参差不齐，但是因为他的逗逼海报吸引了我，于是得闲就看了，就在男主角为了能考上自己心爱的女孩所在的大学而努力奋斗拼命学习时，电影应景的播了这首歌曲，也就是这部电影的主题曲《我的天空》，当时觉得这种唱腔很搞怪，就跟Gala的《Young for

2016-05-20 13:54:05 1972

原创平凡之路上，请不要后会无期

相信大家已经猜到了，这篇的主打曲目是什么了，没错，就是朴树先森的《平凡之路》；老实说，对朴树没有太多的印象，Google了下才知道朴树已经有十年没有出新歌了，而今天的这首《平凡之路》也正是朴树先森为自己新专辑而准备的雏形。啥，你问我朴树是谁，自己Google吧。在朴树闭关创作新砖之际，正值韩寒为了回敬小四而执导的电影《后会无期》拍摄，机缘巧合，缘分总是这么近辣么远，没有一点点防备，韩寒就来到朴

2016-05-20 12:41:53 1937 2

原创遇见你，用尽了我一生的幸运

今天520，朋友圈已经被刷爆辣，多少蠢蠢欲动的心啊，就像Eason《红玫瑰》里唱的，得不到的永远在骚动，哈哈。于是乎，应景的想起了Hebe的一首《小幸运》，毕竟过节嘛，还辣么让人充满无限遐想，又天生自带罗曼蒂克气质的一天，尤其对广大猿类来说，更有可能是人生出现极大转折的一天，就不玩煽情和伤感了，仅以此歌，献给今天所有准备向自己的女神表白或是求婚的猿们带去丝丝幸运，也给大家带去一整

2016-05-20 12:01:16 3744 2

原创我一路向北，寻找有你的季节

不管到什么时候，还是辣么喜欢杰伦，喜欢他的歌，每一首，即便是被韩语歌曲洗脑的我，还是会在心累了或是失落的时候一个人带上耳机，静静的一遍一遍的听，听jay的每一首歌，你会发现当你听多了韩语歌的劲辣之后，会狠怀念杰伦式的摇滚小抒情，我知道即便是韩歌当道的现在，依然清楚的记得他说过的那句话，中文歌最屌，哎哟，不错哟。每一张专辑里都会有特别喜欢特别爱的那首歌，《十一月的肖邦》里，我最爱的

2016-05-19 18:38:40 1918

原创模式识别（Pattern Recognition）学习笔记（九）--感知器

感知器是一种可以直接得到线性判别函数的线性分类方法，由于它是基于样本线性可分这样的一个要求下使用的，所以，首先来了解下什么是线性可分与线性不可分。1.线性可分与线性不可分首先，为了打好基础，我们将上面线性判别函数中的样本向量x增加一维常数，我们称为增广样本向量，并记为y： (1)同样地，对于权向量，也做这样的增广，称之为增广权向量：（2）因此

2016-05-19 16:51:09 7092

原创模式识别（Pattern Recognition）学习笔记（八）--Fisher线性判别分析

线性判别分析（Linear Discriminant Analysis）由Fisher与1936年提出，示线性判别方法中最具代表性的一种，简称LDA，又叫Fisher判别。为了更好的引出Fisher判别，同样这里拿两类问题来话明，并换一个角度来考虑：遇到两类问题时，我们要想把他们区分开，很明显的就是找到他们之间的分界线，这个分界线有很多，但我们却总能够一眼看出最最合适的那一条，如果我们作出这条

2016-05-18 15:58:07 4513

转载运动跟踪之均值漂移（MeanShift）算法和Camshift算法（连续自适应的MeanShift）

直方图引入直方图是一个简单的表，它给出了一幅图像或一组图像中拥有给定数值的像素数量。因此，灰度图像的直方图有256个条目（或称为容器）。0号容器给出值为0的像素数目，1号容器给出值为1的像素个数，以此类推。直方图反投影直方图是图像内容的一个重要特性。如果一幅图像的区域中显示的是一种独特的纹理或是一个独特的物体，那么这个区域的直方图可以看做一个概率函数，它给出的是某个像素属于该纹理或物体

2016-05-16 17:28:51 5377

原创运动跟踪之CMT算法

CMT（Clustering of Static-Adaptive Correspondences for Deformable Object Tracking），是一套比较新的跟踪算法，诞生于2014年，原名叫Consensus-based Tracking and Matching of Keypoints for Object Tracking ，当时在计算机视觉应用（Applicati

2016-05-14 21:29:17 16225 34

原创 ORB

众所周知，图像匹配中最关键的步骤是特征点的提取，因为特征点对的好坏直接影响着匹配的结果；熟悉CV的人也应该都知道特征点提取的算子有很多，本篇博客来学习下其中的一个——ORB算子。ORB，是基于FAST和rBRIEF（rotated BRIEF）的一种算子，所以叫做Oriented FAST and Rotated BRIEF，简称ORB。一、FASTfast一般被用来检测角点，计算量小

2016-05-09 18:21:09 2451 1

原创 OpenCV之特征检测器（Feature Detector），描述子提取器（Descriptor Extractor）和描述子匹配器（Descriptor Matcher）

1.特征检测子 -Harriscv::cornerHarris(image,strength,3,3,0.01); -Fastcv::Ptr fast = cv::FastFeatureDetector::create();//或cv::FAST(InputArray image, std::vector &keypoints, int threshold)

2016-05-09 15:28:20 11847

原创 steered BRIEF

我们知道，BRIEF并不支持旋转，为了得到旋转的BRIEF描述子，我们该怎么解决呢？在BRIEF的那篇经典论文（ECCV2010）中，作者提出的方法是对每一个图像块做透视变换后的旋转点集计算BRIEF描述子，但是这种方法所花费的成本是巨大的，所以有人提出了一种更为有效可行的办法，就是根据点的方向来控制BRIEF的生成，叫做steered BRIEF。对于一个点(xi,yi)上由n个二值测

2016-05-09 11:59:53 2986

原创 BRIEF

1.BRIEF brief出现的略晚（ECCV 2010），但是在某些方面性能跟sift相似，如对光照，模糊和透视畸变的鲁棒性，但是缺点是不支持平面内的旋转。 brief的主要思想是在一个平滑的图像块内，对各像素之间进行二值测试；2.rBRIEF（rotated-aware BRIEF）3.steered BRIEF

2016-05-08 20:59:45 2380

原创混合高斯模型GMM

1.简介 GMM（Gaussian Mixture-based Model）作为一种常见的而聚类算法，可以被用来分离场景中前景和背景的，或者叫做背景扣除，那么什么叫做背景扣除（Background Subtraction）呢？我们知道所谓的监控系统中，通常都是利用静态相机来捕捉场景的，因此其中比较具有挑战的一步就是如何检测出场景中的突然闯入者，传统的应用中都会假设场景中没有这样的

2016-05-04 16:15:30 9420

原创论算法人的语言表达能力

从踏入技术的世界开始到现在，一路走来，碰到了很多技术人，有安卓开发，有ios开发，有后台，也有测试，当然还有我的同行—算法研发，在跟他们的共处过程中，我越来越发现一个突出的问题，那就是相对于非技术人而言，技术人明显语言表达能力要弱于前者；而在技术人中，算法人的语言表达能力又要明显落后于其他几者。不知道大家有没有这样的感受，我是真的深有体会，可能由于我自己的表达能力不怎么好的缘故吧，所以在跟人交流时

2016-05-01 21:49:38 1358 6

vgg_generated(48,64,80,120)

空空如也