hhsh49-CSDN博客

转载初出茅庐之OpenCV，图像数据cv::Mat.at和cv::MaT.ptr对单个像素的访问和操作

最常用的就是cv::MAT.at<>()和cv::MAT.ptr<>()，下面我们就介绍OpenCV中这两种常用的对指定位置像素值的读取和修改操作。ptr<>()是按照行来访问数组的，指针指向某一行第一个元素的首地址。at操作虽然简单方便，但是这种操作是一种效率比较低的操作，尤其用其进行遍历操作时，效率会很低。因此一般不推荐使用。at操作是一种直接简单的对单个像素的操作方式，用于获取图像矩阵某点的值或改变某点的值。ptr操作时通过指针偏移的方式进行像素的查找、遍历和修改的，因此效率相对较高。

2023-08-28 15:32:09 943

原创 2021-10-09 Linux cd 命令

cd （change directory）命令用于切换当前工作目录：cd .. 返回上一级目录cd或cd ~ 返回home目录cd - 目录名返回指定目录cd /usr/bin 跳到 /usr/bin/ :

2021-10-09 12:58:51 122

转载 ORB-SLAM3关键帧选取策略

前言ORB-SLAM3使用关键帧来策略来进行跟踪建图，所以本文介绍关键帧的选取策略一、什么是关键帧？关键帧是目前是一种非常常用的方法，可以减少待优化的帧数，并且可以代表其附近的帧，关键帧相当于slam的骨架，是在局部一系列普通帧中选出一帧作为局部帧的代表，记录局部信息。如果摄像头放在原处不动，普通帧还是要记录的，但关键帧因为总看到原场景，所以不会增加。可以简单理解为方阵里有10行10列，每一行的第一个人就是一个关键帧，他可以代表他所在一行的人的特征。但实际上并不是每一行第一个人，这就涉及到关键帧

2021-08-23 15:44:50 1280

转载反向迭代器（rbegin,rend）

C++ primer （中文版第四版）第273页9.3.2 begin和end成员 begin和end操作产生指向容器内第一个元素和最后一个元素的下一个位置的迭代器，如下所示。这两个迭代器通常用于标记包含容器中所有元素的迭代范围。c.begin() 返回一个迭代器，它指向容器c的第一个元素c.end() 返回一个迭代器，它指向容器c的最后一个元素的下一个位置c.r...

2019-10-21 10:18:21 1398

转载 c++ vector二维数组常见写法

vector<vector <int> > array(3);//定义了行数为3列数不定的二维数组array.size()//返回二维数组的行数array[0].size()//返回二维数组第一行的列数定义一个行列固定的二维vector数组例：vector<vector<int> > a;a.resize(m);//...

2019-10-20 19:18:40 1121

原创 jupyter notebook 上传文件夹问题

jupyter notebook本地直接解压缩后，只能上传单个或多个文件，多个文件夹无法上传。直接在本地的文件夹下：C:\Users\Administrator（自己的电脑路径），直接拷贝文件夹即可。...

2019-09-06 21:58:41 7125

转载 matlab函数 randperm()的用法

randperm()函数用法随机函数语法：p = randperm(n)p = randperm(n,k)语法描述：p = randperm(n)返回一行包含从1到n的整数。>> randperm(6)ans = 2 5 6 4 1 3>>p = randperm(n,k)...

2019-09-02 12:24:26 23423

转载 matlat之KDTreeSearcher()函数

CreateKd-tree nearest neighbor searcher（创建kd-树最近邻搜索器）。DescriptionKDTreeSearchermodel objects store the results of a nearest neighbor search that uses theKd-tree algorithm. Results include the t...

2019-08-15 14:46:11 4775

转载 matlab函数rand，randn，randi用法整理

1，rand 生成均匀分布的伪随机数。分布在（0~1）之间主要语法：rand(m,n)生成m行n列的均匀分布的伪随机数rand(m,n,‘double’)生成指定精度的均匀分布的伪随机数，参数还可以是’single’rand(RandStream,m,n)利用指定的RandStream(我理解为随机种子)生成伪随机数2，randn 生成标准正态分布的伪随机数（均值为0，方差为1）主要语法...

2019-07-25 16:03:37 3216

转载 MATLAB绘制柱状图带标准误差线

转自：https://blog.csdn.net/qq_32059343/article/details/81589930首先在下面网址下载barweb.m文件，将压缩包解压到的.m文件添加到路径：https://ww2.mathworks.cn/matlabcentral/fileexchange/10803-barweb-bargraph-with-error-bars在MATLA...

2019-07-11 20:33:54 4447 1

转载机器学习笔记十二：分类与回归树CART

Ⅲ.实现实现部分采用的数据集是机器学习实战中的数据集.代码则是按照自己的理解重新改写了一遍.读取数据模块:data.pyimport numpy as npdef loadData(filename): dataSet=np.loadtxt(fname=filename,dtype=np.float32) return dataSet1234用numpy内...

2019-03-03 22:05:02 256

转载 Adaboost算法原理分析和实例+代码（简明易懂）

Adaboost算法原理分析和实例+代码（简明易懂）【尊重原创，转载请注明出处】 http://blog.csdn.net/guyuealian/article/details/70995333 本人最初了解AdaBoost算法着实是花了几天时间，才明白他的基本原理。也许是自己能力有限吧，很多资料也是看得懵懵懂懂。网上找了一下关于Adaboost算法原理分析，大都是你复制我，我摘抄...

2019-02-23 15:56:49 1775

转载周志华老师S4VM

转自：https://blog.csdn.net/u012875855/article/details/813870971、S3VM传统半监督支持向量机通过探索未标记数据来规范。调整决策边界，寻找最有的大间隔、低密度的超平面,比如S3VMs、TSVM等半监督SVM算法，如图所示，S3VM试图找到一个超平面，将有标记样本能够正确划分，且穿过特征空间中密度最低的区域；右图即是S3VM寻找的理想超...

2018-11-06 20:53:46 1743 1

转载 python之numpy.power()数组元素求n次方

转自：https://blog.csdn.net/lql0716/article/details/52910812numpy.power(x1, x2)数组的元素分别求n次方。x2可以是数字，也可以是数组，但是x1和x2的列数要相同。>>> x1 = range(6)>>> x1[0, 1, 2, 3, 4, 5]>>> np...

2018-10-13 10:34:53 9517

转载 Matlab 距离函数pdist pdist2

转自：https://blog.csdn.net/liuci3234/article/details/9255119一、pdistPairwise distance between pairs of objectsSyntaxD = pdist(X)D = pdist(X,distance)DescriptionD = pdist(X)计算 X 中各对行向量的相互距...

2018-09-13 12:32:01 3827 1

转载 LaTeX中引用标号不正确的问题

转自：http://blog.sina.com.cn/s/blog_438026f50100du74.html部分期刊模板下表格、图片的引用会出现不正确的问题。比如第一张图片定义的label为\label{fig1}，tex文件中引用\ref{fig1}，但编译后出现的是Figure 2或是Figure x.x。解决方法：在figure（table类似）环境中，先写\captio...

2018-08-10 15:34:31 7904 1

转载朴素贝叶斯拉普拉斯平滑（Laplace Smoothing）

转自：https://blog.csdn.net/qq_25073545/article/details/78621019拉普拉斯平滑（Laplace Smoothing）又被称为加 1 平滑，是比较常用的平滑方法。平滑方法的存在时为了解决零概率问题。背景:为什么要做平滑处理? 零概率问题，就是在计算实例的概率时，如果某个量x，在观察样本库（训练集）中没有出现过，会导致整个实例的概率结果是0。在...

2018-06-14 10:21:47 16722 3

转载 Latex写算法的伪代码排版

algorithmicx例子相应代码：[plain] view plain copy \documentclass[11pt]{ctexart} \usepackage[top=2cm, bottom=2cm, left=2cm, right=2cm]{geometry} \usepackage{algorithm} \usepackage{algorithmicx} \usepacka...

2018-06-08 15:54:34 6331 1

转载 MATLAB函数bsxfun

转自：http://blog.sina.com.cn/s/blog_9e67285801010ttn.html网上关于bsxfun的东西不多，今天需要看到一个，由于原博文插入的图片显示不出来，于是笔者大发善心进行了contrl+V 以及alt+ctrl+A的操作，供大家交流学习。 bsxfun是一个matlab自版本R2007a来就提供的一个函数，作用是”applies an element-by...

2018-06-06 14:39:14 512

原创 MATLAB 画图线型设置

'.' 用点号绘制各数据点 '^' 用上三角绘制各数据点'+' 用'+'号绘制各数据点 'v' 用下三角绘制各数据点'*' 用'*'号绘制各数据点 '>' 用右三角绘制各数据点' .' 用'.'号绘制各数据点 '<' 用左三角绘制各数据点's'或squar 用正方形绘制各数据点'p' 用五角星绘制各数据点'd'或diamond用菱形绘制各数据点 'h' 用六角星绘制各数据点这些选项可...

2018-05-21 15:22:48 8393

转载 Latex 公式中空格添加

转自：https://blog.csdn.net/bennyfun79/article/details/15500575两个quad空格a \qquad b两个m的宽度quad空格a \quad b一个m的宽度大空格a\ b1/3m宽度中等空格a\;b2/7m宽度小空格a\,b1/6m宽度没有空格ab 紧贴a\!b缩进1/6m宽度...

2018-05-10 21:02:48 18918

转载 setdiff：查找两个向量中不同的元素 + 外两则去掉矩阵相同的东西

转自：http://blog.csdn.net/tina_lulu_21/article/details/6273646设有向量A和B，要求出A和B中的不同元素，可使用matlab自带的setdiff函数。语法为： c = setdiff(A, B) 其计算公式为c = A - B。需要注意的是此函数只能求出向量A中与B不同的元素，B中与A不同的元素则要通过setdiff(B,A)求出...

2018-03-17 11:45:28 753

原创 python3 reshape 小技巧

1 A trick when you want to flatten a matrix X of shape (a,b,c,d) to a matrix X_flatten of shape (b∗∗c∗∗d, a) is to use: X_flatten = X.reshape(X.shape[0], -1).T # X.T is the transpose of X

2017-11-23 15:15:17 2893

转载周志华《Machine Learning》学习笔记（17）--强化学习

转自：http://blog.csdn.net/u011826404/article/details/75576856上篇主要介绍了概率图模型，首先从生成式模型与判别式模型的定义出发，引出了概率图模型的基本概念，即利用图结构来表达变量之间的依赖关系；接着分别介绍了隐马尔可夫模型、马尔可夫随机场、条件随机场、精确推断方法以及LDA话题模型：HMM主要围绕着评估/解码/学习这三个实际问题展

2017-11-13 15:53:31 2012 1

转载周志华《Machine Learning》学习笔记（16）--概率图模型

转自：http://blog.csdn.net/u011826404/article/details/75090562上篇主要介绍了半监督学习，首先从如何利用未标记样本所蕴含的分布信息出发，引入了半监督学习的基本概念，即训练数据同时包含有标记样本和未标记样本的学习方法；接着分别介绍了几种常见的半监督学习方法：生成式方法基于对数据分布的假设，利用未标记样本隐含的分布信息，使得对模型参数的

2017-11-13 15:47:32 971

转载周志华《Machine Learning》学习笔记（15）--半监督学习

转自：http://blog.csdn.net/u011826404/article/details/74358913上篇主要介绍了机器学习的理论基础，首先从独立同分布引入泛化误差与经验误差，接着介绍了PAC可学习的基本概念，即以较大的概率学习出与目标概念近似的假设（泛化误差满足预设上限），对于有限假设空间：（1）可分情形时，假设空间都是PAC可学习的，即当样本满足一定的数量之

2017-11-13 15:35:28 565

转载周志华《Machine Learning》学习笔记（14）--计算学习理论

转自:http://blog.csdn.net/u011826404/article/details/73351162上篇主要介绍了常用的特征选择方法及稀疏学习。首先从相关/无关特征出发引出了特征选择的基本概念，接着分别介绍了子集搜索与评价、过滤式、包裹式以及嵌入式四种类型的特征选择方法。子集搜索与评价使用的是一种优中生优的贪婪算法，即每次从候选特征子集中选出最优子集；过滤式方法计算一

2017-11-11 10:15:08 825 1

转载周志华《Machine Learning》学习笔记（13）--特征选择与稀疏学习

转自：http://blog.csdn.net/u011826404/article/details/72860607上篇主要介绍了经典的降维方法与度量学习，首先从“维数灾难”导致的样本稀疏以及距离难计算两大难题出发，引出了降维的概念，即通过某种数学变换将原始高维空间转变到一个低维的子空间，接着分别介绍了kNN、MDS、PCA、KPCA以及两种经典的流形学习方法，k近邻算法的核心在于k

2017-11-10 20:07:41 1058

转载周志华《Machine Learning》学习笔记（12）--降维与度量学习

转自：http://blog.csdn.net/u011826404/article/details/72123031上篇主要介绍了几种常用的聚类算法，首先从距离度量与性能评估出发，列举了常见的距离计算公式与聚类评价指标，接着分别讨论了K-Means、LVQ、高斯混合聚类、密度聚类以及层次聚类算法。K-Means与LVQ都试图以类簇中心作为原型指导聚类，其中K-Means通过EM算法不断迭

2017-11-10 11:16:42 1748

转载周志华《Machine Learning》学习笔记（11）--聚类

转自：http://blog.csdn.net/u011826404/article/details/70991604上篇主要介绍了一种机器学习的通用框架–集成学习方法，首先从准确性和差异性两个重要概念引出集成学习“好而不同”的四字真言，接着介绍了现阶段主流的三种集成学习方法：AdaBoost、Bagging及Random Forest，AdaBoost采用最小化指数损失函数迭代式更新

2017-11-06 22:25:00 544

转载周志华《Machine Learning》学习笔记（10）--集成学习

转自：http://blog.csdn.net/u011826404/article/details/70172971上篇主要介绍了鼎鼎大名的EM算法，从算法思想到数学公式推导（边际似然引入隐变量，Jensen不等式简化求导），EM算法实际上可以理解为一种坐标下降法，首先固定一个变量，接着求另外变量的最优解，通过其优美的“两步走”策略能较好地估计隐变量的值。本篇将继续讨论下一类经典算法

2017-11-06 10:09:11 827

转载周志华《Machine Learning》学习笔记（9）--EM算法

转自：http://blog.csdn.net/u011826404/article/details/68924781上篇主要介绍了贝叶斯分类器，从贝叶斯公式到贝叶斯决策论，再到通过极大似然法估计类条件概率，贝叶斯分类器的训练就是参数估计的过程。朴素贝叶斯则是“属性条件独立性假设”下的特例，它避免了假设属性联合分布过于经验性和训练集不足引起参数估计较大偏差两个大问题，最后介绍的拉普拉斯修正

2017-11-05 20:23:53 294

转载周志华《Machine Learning》学习笔记（8）--贝叶斯分类器

转自：上篇主要介绍和讨论了支持向量机。从最初的分类函数，通过最大化分类间隔，max(1/||w||)，min(1/2||w||^2)，凸二次规划，朗格朗日函数，对偶问题，一直到最后的SMO算法求解，都为寻找一个最优解。接着引入核函数将低维空间映射到高维特征空间，解决了非线性可分的情形。最后介绍了软间隔支持向量机，解决了outlier挤歪超平面的问题。本篇将讨论一个经典的统计学习算法–贝叶斯

2017-11-05 10:30:20 487

转载周志华《Machine Learning》学习笔记（7）--支持向量机

转自：http://blog.csdn.net/u011826404/article/details/54647611上篇主要介绍了神经网络。首先从生物学神经元出发，引出了它的数学抽象模型–MP神经元以及由两层神经元组成的感知机模型，并基于梯度下降的方法描述了感知机模型的权值调整规则。由于简单的感知机不能处理线性不可分的情形，因此接着引入了含隐层的前馈型神经网络，BP神经网络则是其中最为成

2017-11-04 15:43:00 984

转载周志华《Machine Learning》学习笔记（6）--神经网络

转自：http://blog.csdn.net/u011826404/article/details/53767428上篇主要讨论了决策树算法。首先从决策树的基本概念出发，引出决策树基于树形结构进行决策，进一步介绍了构造决策树的递归流程以及其递归终止条件，在递归的过程中，划分属性的选择起到了关键作用，因此紧接着讨论了三种评估属性划分效果的经典算法，介绍了剪枝策略来解决原生决策树容易产生的过

2017-11-03 20:04:52 1768

转载周志华《Machine Learning》学习笔记（5）--决策树

转自：http://blog.csdn.net/u011826404/article/details/53606485上篇主要介绍和讨论了线性模型。首先从最简单的最小二乘法开始，讨论输入属性有一个和多个的情形，接着通过广义线性模型延伸开来，将预测连续值的回归问题转化为分类问题，从而引入了对数几率回归，最后线性判别分析LDA将样本点进行投影，多分类问题实质上通过划分的方法转化为多个二分类

2017-11-03 16:18:18 627

转载《Machine Learning》学习笔记（4）–线性模型

转自：http://blog.csdn.net/u011826404/article/details/53455753笔记的前一部分主要是对机器学习预备知识的概括，包括机器学习的定义/术语、学习器性能的评估/度量以及比较，本篇之后将主要对具体的学习算法进行理解总结，本篇则主要是第3章的内容–线性模型。3、线性模型谈及线性模型，其实我们很早就已经与它打过交道，还记得高中数学必

2017-11-03 15:03:45 432

转载周志华《Machine Learning》学习笔记（3）--假设检验、方差与偏差

转自：http://blog.csdn.net/u011826404/article/details/53455753在上两篇中，我们介绍了多种常见的评估方法和性能度量标准，这样我们就可以根据数据集以及模型任务的特征，选择出最合适的评估和性能度量方法来计算出学习器的“测试误差“。但由于“测试误差”受到很多因素的影响，例如：算法随机性(例如常见的K-Means)或测试集本身的选择，使得同一模

2017-11-02 20:44:11 2684

转载周志华《Machine Learning》学习笔记（2）--性能度量

转自：http://blog.csdn.net/u011826404/article/details/53242081本篇主要是对第二章剩余知识的理解，包括：性能度量、比较检验和偏差与方差。在上一篇中，我们解决了评估学习器泛化性能的方法，即用测试集的“测试误差”作为“泛化误差”的近似，当我们划分好训练/测试集后，那如何计算“测试误差”呢？这就是性能度量，例如：均方差，错误率等，即“测试误差

2017-11-02 20:34:55 350

转载周志华《Machine Learning》学习笔记系列（1）

转自：http://blog.csdn.net/u011826404/article/details/53229609机器学习是目前信息技术中最激动人心的方向之一，其应用已经深入到生活的各个层面且与普通人的日常生活密切相关。本文为清华大学最新出版的《机器学习》教材的Learning Notes，书作者是南京大学周志华教授，多个大陆首位彰显其学术奢华。本篇主要介绍了该教材前两个章节的知识点以

2017-11-02 20:25:58 406

《最优化理论与算法》－陈宝林

空空如也