2016年09月_后脑勺

原创 bmp彩色转灰度

一、基础　　对于彩色转灰度，有一个很著名的心理学公式：Gray = R*0.299 + G*0.587 + B*0.114二、整数算法　　而实际应用时，希望避免低速的浮点运算，所以需要整数算法。　　注意到系数都是3位精度的没有，我们可以将它们缩放1000倍来实现整数运算算法：Gray = (R*299 + G*587 + B*114 + 500) /

2016-09-26 09:52:46 1235

原创膨胀、腐蚀、开、闭运算——数字图像处理中的形态学

膨胀、腐蚀、开、闭运算是数学形态学最基本的变换。本文主要针对二值图像的形态学膨胀：把二值图像各1像素连接成分的边界扩大一层（填充边缘或0像素内部的孔）；腐蚀：把二值图像各1像素连接成分的边界点去掉从而缩小一层（可提取骨干信息，去掉毛刺，去掉孤立的0像素）；开：先腐蚀再膨胀，可以去掉目标外的孤立点闭：先膨胀再腐蚀，可以去掉目标内的孔。以下参考论文：《数学形态学在图像处理中的应

2016-09-26 09:34:20 4592

转载 Alexnet LRN dropout

在机器学习中，我们通常要考虑的一个问题是如何的“以偏概全”，也就是以有限的样本或者结构去尽可能的逼近全局的分布。这就要在样本以及结构模型上下一些工夫。在一般的训练任务中，考虑的关键问题之一就是数据分布是否合理：首先是数据集的覆盖度，也就是数据集是否能够覆盖样本空间；其次还要尽可能的保证具有和真实数据一样的分布（注意数据分布是未知的，你只能根据一些先验来近似），这样的数据才是有效的。当然这些

2016-09-24 09:34:37 3100

转载图像特征提取三大法宝：HOG特征，LBP特征，Haar特征

摘自： http://dataunion.org/20584.html作者：zouxy09 出处：zouxy09的博客（一）HOG特征1、HOG特征：方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域

2016-09-23 23:05:44 876

转载 C++ 模板

摘自:http://www.cnblogs.com/gw811/archive/2012/10/25/2738929.htmlC++模板　　模板是C++支持参数化多态的工具，使用模板可以使用户为类或者函数声明一种一般模式，使得类中的某些数据成员或者成员函数的参数、返回值取得任意类型。　　模板是一种对类型进行参数化的工具；　　通常有两种形式：函数模板和类模板；

2016-09-23 16:24:21 406

转载拉格朗日对偶问题中对偶性的理解

摘自： http://blog.csdn.net/donger_soft/article/details/39556435首先说明本文讨论用的符号，拉格朗日函数： L(x,λ,ν)=f0(x)+∑λifi(x)+∑νihi(x)对偶问题的对偶性体现这个理解来自于斯坦福的课程——凸优化：“我们注意到标准形式线性规划和不等式形式线性规划以及它们的

2016-09-21 21:08:34 2418

转载直方图均衡化的原理

原文：http://blog.csdn.net/wendy709468104/article/details/8770919直方图均衡化的作用是图像增强。有两个问题比较难懂，一是为什么要选用累积分布函数，二是为什么使用累积分布函数处理后像素值会均匀分布。第一个问题。均衡化过程中，必须要保证两个条件：①像素无论怎么映射，一定要保证原来的大小关系不变，较亮的区域，依旧是较亮的，较暗依旧暗，

2016-09-18 23:05:40 1094

转载 PCA 数学原理（讲的很到位啊）

摘自 http://blog.codinglabs.org/articles/pca-tutorial.htmlPCA（Principal Component Analysis）是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。网上关于PCA的文章有很多，但是大多数只描述了PCA的分析过程，而没有讲述其

2016-09-17 23:04:12 746

转载 sift 角点检测

摘自：http://blog.csdn.net/abcjennifer/article/details/7639681SIFT（Scale-invariant feature transform）是一种检测局部特征的算法，该算法通过求一幅图中的特征点（interest points,or corner points）及其有关scale 和 orientation 的描述子得到特征并进行图像

2016-09-17 03:47:05 10733

转载霍夫变换

图像处理之霍夫变换（直线检测算法）霍夫变换是图像变换中的经典手段之一，主要用来从图像中分离出具有某种相同特征的几何形状（如，直线，圆等）。霍夫变换寻找直线与圆的方法相比与其它方法可以更好的减少噪声干扰。经典的霍夫变换常用来检测直线，圆，椭圆等。霍夫变换算法思想：以直线检测为例，每个像素坐标点经过变换都变成都直线特质有贡献的统一度量，一个简单

2016-09-16 23:01:34 2960

转载 canny边缘检测

背景简述Canny提出一种新的边缘检测方法[1][2]，它对受白噪声影响的阶跃型边缘是最优的。Canny检测子的最优性与三个标准有关：第一、检测标准：不失去重要的边缘，不应有虚假的边缘；第二、定位标准：实际边缘与检测到的边缘位置之间的偏差最小；第三、单位应标准：将多个响应降低为单个边缘响应。这一点被第一个标准部分地覆盖了。因为当有两个响应对应于单个边缘时，其中之一应该被是虚假的。这第三

2016-09-16 19:28:12 944

转载 SVM 详解8

SVM入门（十）将SVM用于多类分类从 SVM的那几张图可以看出来，SVM是一种典型的两类分类器，即它只回答属于正类还是负类的问题。而现实中要解决的问题，往往是多类的问题（少部分例外，例如垃圾邮件过滤，就只需要确定“是”还是“不是”垃圾邮件），比如文本分类，比如数字识别。如何由两类分类器得到多类分类器，就是一个值得研究的问题。还以文本分类为例，现成的方法有很多，其中一种一劳永逸的方

2016-09-12 21:20:58 380

转载 SVM 详解7

SVM入门（九）松弛变量（续）接下来要说的东西其实不是松弛变量本身，但由于是为了使用松弛变量才引入的，因此放在这里也算合适，那就是惩罚因子C。回头看一眼引入了松弛变量以后的优化问题：注意其中C的位置，也可以回想一下C所起的作用（表征你有多么重视离群点，C越大越重视，越不想丢掉它们）。这个式子是以前做SVM的人写的，大家也就这么用，但没有任何规定说必须对所有的松弛变量都使用同一个

2016-09-12 21:19:57 329

转载 SVM 详解6

SVM入门（八）松弛变量现在我们已经把一个本来线性不可分的文本分类问题，通过映射到高维空间而变成了线性可分的。就像下图这样：圆形和方形的点各有成千上万个（毕竟，这就是我们训练集中文档的数量嘛，当然很大了）。现在想象我们有另一个训练集，只比原先这个训练集多了一篇文章，映射到高维空间以后（当然，也使用了相同的核函数），也就多了一个样本点，但是这个样本的位置是这样的：

2016-09-12 21:16:29 251

转载 SVM 详解5

SVM入门（七）为何需要核函数生存？还是毁灭？——哈姆雷特可分？还是不可分？——支持向量机之前一直在讨论的线性分类器,器如其名（汗，这是什么说法啊），只能对线性可分的样本做处理。如果提供的样本线性不可分，结果很简单，线性分类器的求解程序会无限循环，永远也解不出来。这必然使得它的适用范围大大缩小，而它的很多优点我们实在不原意放弃，怎么办呢？是否有某种方法，让线性不可分的数据变得线

2016-09-12 21:15:11 365

转载 SVM 详解4

SVM入门（六）线性分类器的求解——问题的转化，直观角度让我再一次比较完整的重复一下我们要解决的问题：我们有属于两个类别的样本点（并不限定这些点在二维空间中）若干，如图，圆形的样本点定为正样本（连带着，我们可以把正样本所属的类叫做正类），方形的点定为负例。我们想求得这样一个线性函数（在n维空间中的线性函数）：g(x)=wx+b使得所有属于正类的点x+代入以后有g(x+)

2016-09-12 21:13:41 318

转载 SVM 详解3

SVM入门（五）线性分类器的求解——问题的描述Part2从最一般的定义上说，一个求最小值的问题就是一个优化问题（也叫寻优问题，更文绉绉的叫法是规划——Programming），它同样由两部分组成，目标函数和约束条件，可以用下面的式子表示：（式1）约束条件用函数c来表示，就是constrain的意思啦。你可以看出一共有p+q个约束条件，其中p个是不等式约束，q个等式约束。关于

2016-09-12 21:12:09 286

转载 SVM 详解2

SVM入门（四）线性分类器的求解——问题的描述Part1上节说到我们有了一个线性分类函数，也有了判断解优劣的标准——即有了优化的目标，这个目标就是最大化几何间隔，但是看过一些关于SVM的论文的人一定记得什么优化的目标是要最小化||w||这样的说法，这是怎么回事呢？回头再看看我们对间隔和几何间隔的定义：间隔：δ=y(wx+b)=|g(x)|几何间隔：

2016-09-12 21:10:57 465

转载 SVM 详解

按:之前的文章重新汇编一下,修改了一些错误和不当的说法，一起复习,然后继续SVM之旅.（一）SVM的八股简介支持向量机(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中[10]。支持向量机方法是建立在统计学习理论的VC 维

2016-09-12 21:09:26 906

转载深入理解拉格朗日乘子法（Lagrange Multiplier) 和KKT条件

在求取有约束条件的优化问题时，拉格朗日乘子法（Lagrange Multiplier) 和KKT条件是非常重要的两个求取方法，对于等式约束的优化问题，可以应用拉格朗日乘子法去求取最优值；如果含有不等式约束，可以应用KKT条件去求取。当然，这两个方法求得的结果只是必要条件，只有当是凸函数的情况下，才能保证是充分必要条件。KKT条件是拉格朗日乘子法的泛化。之前学习的时候，只知道直接应用两个方法，但是却

2016-09-10 23:01:29 603

转载哈夫曼树以及编解码

这一篇要总结的是树中的最后一种，即哈夫曼树，我想从以下几点对其进行总结：1，什么是哈夫曼树？2，如何构建哈夫曼树？3，哈夫曼编码？4，算法实现？回到顶部一，什么是哈夫曼树什么是哈夫曼树呢？哈夫曼树是一种带权路径长度最短的二叉树，也称为最优二叉树。下面用一幅图来说明。它们的带权路径长度分别为：图a： WPL=5*

2016-09-10 14:43:39 40662 2

转载 B树、B-树、B+树、B*树

B树即二叉搜索树： 1.所有非叶子结点至多拥有两个儿子（Left和Right）； 2.所有结点存储一个关键字； 3.非叶子结点的左指针指向小于其关键字的子树，右指针指向大于其关键字的子树；如： B树的搜索，从根结点开始，如果查询的关键字与结点的关键字相等，那么就命中；否则，

2016-09-09 22:36:08 337

转载反转单链表的几种方法

最近试着做一些笔试面试题，既是为来年找工作做准备，也可以做为数据结构和算法的复习笔记，就陆续发在这里吧，有需要的朋友可以看一下，如果有没考虑周全的地方欢迎指正。　　先来一个最常见的题目：反转单链表。假设单链表的数据结构定义如下：　　typedef struct LNode{ int data; st

2016-09-08 02:58:43 457

转载 linux中fork（）函数详解（原创！！实例讲解）

2016-09-06 16:46:17 355 1

转载 c++中string类的详解

通过在网站上的资料搜集，得到了很多关于string类用法的文档，通过对这些资料的整理和加入一些自己的代码，就得出了一份比较完整的关于string类函数有哪些和怎样用的文档了！下面先罗列出string类的函数有哪一些，然后再罗列出函数的原型，最后到代码的实现标准C++中提供的string类得功能也是非常强大的，一般都能满足我们开发项目时使用。现将具体用法的一部分罗列如下，只起一个抛砖

2016-09-05 16:48:06 638

转载 Hash算法冲突解决方法分析

就不自己写了,直接贴下吧看了ConcurrentHashMap的实现, 使用的是拉链法.虽然我们不希望发生冲突，但实际上发生冲突的可能性仍是存在的。当关键字值域远大于哈希表的长度，而且事先并不知道关键字的具体取值时。冲突就难免会发生。另外，当关键字的实际取值大于哈希表的长度时，而且表中已装满了记录，如果插入一个新记录，不仅发生冲突，而且还会发生溢出。因此，处理冲突和溢出是

2016-09-04 22:59:52 4729 1

l494926429的博客