- 博客(6)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 opencv 实践程序2——背景差分法实现前景识别
程序出处：http://blog.csdn.net/cwjcwj520/article/details/7433103，感谢博主！#include //#include "stdafx.h"#include #include #include #include #include "cvaux.h" #include "cxmisc.h"using
2014-03-30 14:31:20
6232
原创 OpenCV 实践程序1——图片显示及多图片融合
//显示彩色或灰色图片#include #include #include using namespace cv; int main() { // 读入一张图片（游戏原画）该图片与lena1.cpp放于同目录文件下 // Mat img=imread("lena1.jpg"); // 创建一个名为 "游戏原画"窗口
2014-03-29 20:58:58
1071
转载 Stanford 机器学习 第四讲-------逻辑回归(Logistic Regression)
斯坦福大学机器学习"逻辑回归“学习笔记，本次课程主要包括7部分：1) Classification(分类)2) Hypothesis Representation3) Decision boundary(决策边界)4) Cost function(代价函数，成本函数)5) Simplified cost function and gradient desce
2014-03-19 16:43:21
3689
转载 Stanford 机器学习 第三讲------- 多变量线性回归
第二讲-------多变量线性回归 Linear Regression with multiple variable(一)、Multiple Features:多变量假设：输出由多维输入决定，即输入为多维特征。如下图所示：Price为输出，前面四维为输入：假设h(x)=θ0+θ1x1+……所谓多参数线性回归即每个输入x有(n+1)维[x0……xn]
2014-03-17 16:53:31
808
转载 Stanford 机器学习 第二讲------- 线性回归及梯度下降
本文会讲到：(1)线性回归的定义(2)单变量线性回归(3)cost function：评价线性回归是否拟合训练集的方法(4)梯度下降：解决线性回归的方法之一(5)feature scaling：加快梯度下降执行速度的方法(6)多变量线性回归Linear Regression 注意一句话：多变量线性回归之前必须要Feature S
2014-03-17 15:09:13
831
转载 Stanford 机器学习 第一讲-------监督学习，无监督学习和半监督学习
n Supervised Learning 有监督学习 机器学习按照学习方式的不同，分为supervised learning和unsupervised learning，这里先介绍Supervised Learning即有监督学习，举一个简单的例子，假设你想卖房子，但是你不知道怎么定价，而你有附近其他房子的定价信息。让x轴为平方数，y轴为价格，我们得到下面这个图，在图中我们看到价格数和平
2014-03-17 11:36:33
1113
关于举办 2023 年“中银杯”四川省职业院校技能大赛（高职组）软件测试赛项比赛的通知.pdf
2023-11-29
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人