- 博客(73)
- 资源 (25)
- 收藏
- 关注
RSS订阅原创 虚函数与纯虚函数
虚函数比如：virtual void function1（）；virtual关键字修饰的成员函数，就是虚函数。纯虚函数：比如：virtual void function1（）=0；含有纯虚拟函数的类称为抽象类，它不能生成对象。如：//一个带有纯虚函数的抽象类class WorkUnit : public RuntimeInfo, public Refl
2015-05-19 14:14:02
547
转载 mySQL 基本语法-待补充
参考：http://www.cnblogs.com/zhangzhu/archive/2013/07/04/3172486.html显示数据库：show databases创建数据库：create database hzqdb;打开数据库：use hzqdb; 创建表：create table product ( id int(4) primary key
2015-05-16 23:30:46
375
转载 linux 编译连接 makefile（待续）
from http://blog.csdn.net/liang13664759/article/details/1771246编译与链接无论是C、C++、还是pas，首先要把源文件编译成中间代码文件，在Windows下也就是 .obj 文件，UNIX下是 .o 文件，即 Object File，这个动作叫做编译（compile）。然后再把大量的Object File合成执行文件，这个动作叫
2015-05-11 00:39:43
618
转载 linux编译使用静态库和动态库
转载 from：http://blog.csdn.net/cnlm2/article/details/6100922print.h#ifndef __PRINT_H__#define __PRINT_H__void print(const char* ptr);#endifprint.c#include "print.h"#include void print(const c
2015-05-10 23:47:48
563
原创 gdb调试
原来习惯了在windows上编写程序，使用dev c++或者visual studio 写程序。现在要转到linux上编写，不是很习惯呢。调试要用gdb，这个也不习惯。在linux下用vim写一个程序 test.cvim text.c#includeint main(){ int i,result; for(i=0;i<100;i++) {
2015-05-08 21:22:49
596
原创 神经网络及BP推导
神经网络neural network，是生物科学和信息科学交叉的产物。用计算机模拟人脑的工作过程，完成分类识别的任务。这里我们先感性的介绍神经网络及其训练过程，然后数学推导这个过程。一个神经元和其它神经元连接：一个神经元通常和若干个神经元相连
2015-02-03 10:13:03
1407
原创 模型训练技巧（待续）
批训练（batch trainning）：一次训练一批（比如50个）样本，在NN或CNN中，对一批样本在同相同参数的网络上进行前向过程和误差传导过程，然后把梯度求和加更新网络参数。优点：训练速度可也更快，同批中的各样本可并行训练。dropout：模型训练的时候随机让某些权重不更新。优点：为了防止过拟合。可参看：http://www.cnblogs.com/torna
2014-12-25 11:37:57
713
原创 多媒体特征（待续）
Hog特征：http://www.cnblogs.com/hrlnw/archive/2013/08/06/2826651.html
2014-12-25 11:22:28
534
原创 计算机小问题
连接局域网打印机：windows开始-》运行，输入\\打印机所在电脑的IP，回车比如： \\183.175.12.34然后会出现183.175.12.34机器上的共享设备，双击其中的打印机。之后本机就识别局域网的打印机了。
2014-12-22 10:54:43
519
原创 机器翻译（待续）
机器翻译 = 语言模型 + 翻译模型语言模型如：N元语言模型N元语言模型举例，三元语言模型，一个词至于它相邻的2个词有关。条件概率P（我吃饭）表示词语组合合理的概率。P（我吃饭）= P（饭|我吃）*P（我吃）P（我吃） = P（ 吃|我）*P（我）得到：P（我吃饭）= P（饭|我吃）*P（吃|我）*p（我）； 基础统计概率这样得到：[统计词
2014-12-09 16:30:21
650
原创 模型训练-损失函数的来源-最大似然与梯度下降
在线性拟合中模型被定义为y = wx ，（+b与否无所谓，就相当于向量w中有一个为1而已）我们使用了损失函数：但是为啥我们采用这种损失函数呢？我们要用到最大似然估计的思想。
2014-11-23 12:42:12
3632
原创 卷积神经网络理解与实现
神经网络和卷积神经网络的理解与工作：http://pan.baidu.com/s/1jG1gzPkor http://wenku.baidu.com/view/9ae538a14028915f814dc246.html我对CNN matlab 代码的详细解析：http://wenku.baidu.com/view/65344686102de2bd9605886e.htmlor http://pan.baidu.com/s/1sjJjftz我在网上看过一些博客，和一些论文，尝试着自己去实现CNN
2014-10-22 00:18:43
2892
4
原创 网络知识补丁
NAT（网络地址映射） 路由器都有这功能，它把内网机器的 IP:端口， 映射成外网的 IP:端口。NAT（网络地址映射） 路由器都有这功能，它把内网机器的 IP:端口， 映射成外网的 IP:端口。
2014-09-25 10:45:09
572
原创 傅里叶级数 三角形式 到 复数形式
傅里叶变换是把周期函数展开三角级数，即若干个三角函数的和。欧拉公式：通过欧拉公式可以将 三角函数形式的 傅里叶变换 转为 复数形式：上图的公式看起来不简洁，我们借助一些符号代换让上式看起来简单一些：Cn的求解，我们已经知道an、bn的求解方法为在对应周期上做积分，Cn和an、bn的关系的关系展开可以得到：归纳一下：遗留
2014-09-12 11:31:10
21812
7
原创 深度信念网络DBN的一个matlab实例
关于深度学习的一些个人浅见： 深度学习通常是训练深度（多层）神经网络，用于模式识别（如语音、图像识别）；深度网络 指是具有深层（多层）网络结构的神经网络。 深层网络由于神经元多，参数多，拟合表现能力强，有表现欲解决复杂问题的能力。 但是深度网络存在很多局部最优解，深度网络的训练容易停留在局部最优上，初始参数的选择对网络最终收敛在那个位置有很大的影响。
2014-09-03 10:36:51
21871
61
原创 mfc一个多线程实例
在卷积神经网络的训练中，因为多个卷积核做卷积的时候互不干扰，可以并行。直观的方法是采用多线程做卷积，每个线程负责一个featureMap的卷积计算。在本人的程序中，多线程训练比单线程训练大约要快3倍。工程名Dlg.cpp （CCNN2Dlg.cpp)文件中，写好线程函数，第几个featureMap做卷积通过参数LPVOID lpPara指定。DWORD WINAP
2014-08-29 14:22:24
1114
原创 支持向量机SVM的SMO方法实现（C++）
SVM支持向量机的SMO方法实现操作简便，效果直观，功能单一。有助于理解SMO过程，以及惩罚因子对分类的影响。
2014-05-02 20:12:58
2980
原创 卷积神经网络的学习资料
卷积神经网络的代码：C++代码：代码来源及代码介绍：http://www.codeproject.com/Articles/16650/Neural-Network-for-Recognition-of-Handwritten-Digi原工程应该是用vc6.0写的，我的编译环境是vs2010，默认转换之后会有报错。错误为：Error 1 error CVT1100: dup
2014-03-31 15:59:02
1862
2
原创 EM算法 高斯模型 的参数估计 C++实现
1在对话框中随机点一些点，这些点为关婵样本，其的横坐标为观察样本的值。2在编辑框中输入想聚类的数量k，然后点击“模型初始化”按钮，程序将产生k个高斯分布，k个高斯分布的均值u设为前三个样本的观察值，方差sigma设为1.3点击当前高斯曲线，绘制k条当前参数下的高斯曲线。4点击“EM一次”按钮，进行一次EM迭代，会绘制一次当前参数下的k条高斯曲线。多次点击，显示迭代效
2014-02-19 21:57:38
5654
7
转载 Wav文件格式解析
//波形文件的文件头,占用44Byte，文件头后为波形数据区struct FORMAT_WAV{long ChunkID; //RIFFlong ChunkSize; //chunk（大块）的数量,wav文件的总大小，单位字节long Format; //WAVElong Subchunk
2014-02-18 11:14:47
1089
原创 在Visual C++中常用到得一些绘图或者控件的语句(mfc)
为快速开发学mfc，推荐看吕鑫的教学视频，因为这个比较清楚百度搜索 吕鑫mfc就可以了！ 这个就挺好：http://www.tudou.com/programs/view/sirRzIM0gj0vs2010对vc 6.0有了很大的改进，扩充了类库。在vc 6.0中很多不便使用的功能得到了改进。要实现某个功能，比如vc6.0中CDialogBar使用，不如在vs2010中的Docka
2014-02-13 14:43:49
4051
原创 matlab 神经网络训练与仿真 最简单的例子
网络训练与生成：clear all;%生成训练数据和目标值p=[0 0; 1 0; 0 1; 1 1]';t=[1 0; 0 1; 0 1; 1 0]';'训练BP网络开始...'%创建BP网络net = newff(minmax(p),[5 2],{'logsig' 'logsig'},'traingda');%初始化BP网络，包括：权值和偏置的初
2014-01-02 13:57:51
3602
1
转载 趣谈unicode，ansi，utf-8，unicode big endian这些编码有...
从头讲讲编码的故事。那么就让我们找个草堆坐下，先抽口烟，看看夜晚天空上的银河，然后想一想要从哪里开始讲起。嗯，也许这样开始比较好…… 很久很久以前，有一群人，他们决定用8个可以开合的晶体管来组合成不同的状态，以表示世界上的万物。他们看到8个开关状态是好的，于是他们把这称为"字节"。 再后来，他们又做了一些可以处理这些字节的机器，机器开动了，可以用字节来组合出很多状态，状态开始变
2013-12-26 14:35:38
598
原创 vs2010编写dll
之前写程序一直都是编写代码，编译，生成exe文件，没有用过dll。这样写的程序都是一个个独立的，不放便调用。今天用vs2010编写了dll程序，记录下过程。dll中有一个函数，叫做mySum（n），用于求1到n的和。步骤如下：1 简历一个win32工程（mfc的情况类似）2. 设置工程类型为dll选择next，并设置如下界面，点击完成。3 得
2013-11-03 20:04:52
1077
原创 决策树 id3 C++实现
程序目的：根据一定数量的训练样本，生成决策树。依靠生成的决策树测试预测样本的分类。训练样本：其中前4个属性为特征属性，buys-computer为分类属性.程序读入的是txt文件，data_train.txt：程序将该数据转换成数值类型，程序读入train_data.txt文件后，生成转换关系：程序根据转换关系转换train_data.txt的字符型数据
2013-09-14 13:35:21
2995
原创 C++ 霍夫直线检测
霍夫变换原理参考：http://blog.csdn.net/jia20003/article/details/7724530位图文件格式参考：http://www.cnblogs.com/kingmoon/archive/2011/04/18/2020097.html本程序用标准C++语法读取读取一张400*400大小的单色图片，并用霍夫变换检测其中的直线。待检测图像：程序输出图像：程序的主要步骤
2013-07-10 10:33:11
5136
原创 神经网络 做数字识别 C++实现
网络共分为三层，输入层，隐层，输出层。单元数分别为N0N，N1N，N2N//头文件网络需要的数据结构#include #include #include "cv.h"#include "highgui.h"#include #include #include #include "opencv2/imgproc/imgproc.hpp"#include "opencv2/objdet
2013-05-22 18:50:50
2676
2
原创 基于gpu与cuda c的神经网络实现
本神经网络为3层结构，一个输入层（N0N个神经元）+一个隐层（N1N个神经元）+一个输出层（N2N个神经元）cuda加速为神经网络的3大主要计算部分 神经元输入计算，神经元错误计算，神经权重调整#include#include #include#includeusing namespace std;#define N0N 3#define N1N 2#def
2013-05-03 08:39:37
2503
1
原创 cuda c并行做哈弗曼编码
统计可见字符频率找一篇英文文章in.txt，统计各种可见字符的出现频率,并保存到文件out.txt：#includeusing namespace std;int main(){ int a[256]={0}; //for() freopen("in.txt","r",stdin); freopen("out.txt","w",stdou
2013-05-01 18:29:35
1182
2
单图像的auto-encoder试验
2015-12-13
2014研究生数学建模-E题
2014-11-04
屏幕录制软件 webEx
2014-09-13
支持向量机SVM的SMO方法实现
2014-05-02
SVM-SMO代码
2014-05-02
多边形填充
2014-04-20
聚类，凸包
2014-04-20
高斯混合模型直观实现
2014-02-26
一种形似文本聚类方法.zip
2002-02-03
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人