- 博客(14)
- 收藏
- 关注
原创 KNN(K近邻算法)
算法概述: 简单来说,KNN通过测量不同特征值之间的距离进行分类。KNN不需要训练模型,其输入是带标签的特征数据集,每一个数据是由其不同的属性构成的向量。对于未知标签的待分类数据,将其特征与训练数据集中的每一个数据进行相似性度量,然后获得最相近的K个特征数据的标签,其中出现最多的标签作为待分类数据的可能标签。算法思路:1)计算已知类别数据集中的点与当前点之间的距离;
2014-12-27 10:37:04 715
原创 vs2012 出现LINK : fatal error LNK1104: 无法打开文件“kernel32.lib”问题
首先,我是在已经安装了vs2010的基础上安装的vs2012,测试安装的时候
2014-08-19 20:52:36 7017
转载 浅析人脸检测之Haar分类器方法(一)
浅析人脸检测之Haar分类器方法由于工作需要,我开始研究人脸检测部分的算法,这期间断断续续地学习Haar分类器的训练以及检测过程,在这里根据各种论文、网络资源的查阅和对代码的理解做一个简单的总结。我试图概括性的给出算法的起源、全貌以及细节的来龙去脉,但是水平有限,只能解其大概,希望对初学者起到帮助,更主要的是对我个人学习的一次提炼。一、Haar分类器的前世今生人脸检测属
2014-05-14 23:31:13 663
转载 Harris角点检测
转自http://blog.csdn.net/makenothing/article/details/12884331 http://www.cnblogs.com/ztfei/archive/2012/05/07/2487123.html理论:“如果某一点在任意方向的一个微小变动都会引起灰度很大的变化,那么我们就把它称之为角点” 由上面定义,我
2014-05-08 23:48:06 887
转载 非负矩阵分解(NMF,Nonnegtive Matrix Factorization)
发现写关于非负矩阵的博文还是蛮多的,还是以自己的角度总结一下自己的最近看的若干东西以及对非负矩阵分解有用的一些资料链接。 早在1999年,著名的科学杂志《Nature》刊登了两位科学家D.D.Lee和H.S.Seung对数学中非负矩阵研究的突出成果。其文章为《Learning the parts of objects by non-negative matrix factori
2014-03-19 22:33:08 1917
转载 最优化算法
最优化领域中的方法虽然“多如牛毛”,但是总体上还是沿着一条“主线”发展的。这里按照时间顺序对这条“最优化之路”进行简要介绍:1.1 最速下降法(梯度法):即以负梯度方向作为目标函数极小化方法的下降方向。首先将目标函数进行泰勒展开::代表第k个点的自变量(向量);:单位方向(向量),即|d|=1;:步长(实数);:目标函数在Xk这一点的梯度(导
2014-03-17 21:50:50 1939
转载 POJ题目分类
两个版本POJ题目推荐(转载)题目均为POJ上的http://acm.pku.edu.cn个别题目的分类并不准确======================================OJ上的一些水题(可用来练手和增加自信) (poj3299,poj2159,poj2739,poj1083,poj2262,poj1503,poj3006,poj2255,poj3
2014-01-01 20:33:04 489
转载 Sparsity and Some Basics of L1 Regularization
Sparsity 是当今机器学习领域中的一个重要话题。John Lafferty 和 Larry Wasserman 在 2006 年的一篇评论中提到:Some current challenges … are high dimensional data, sparsity, semi-supervised learning, the relation between computat
2013-06-01 20:46:16 544
转载 Bag of Words/Bag of Features的Matlab源码发布(转自丕子)
由于自己以前发过一篇文章讲bow特征的matlab代码的优化的《Bag-Of-Words中K-Means聚类的效率优化》,其中的代码也用过Spatial Pyramid Code的代码里面的几个函数,不过大部分还是根据本地的需要,根据大数据量计算的需要自己整合修改的,经过不少同学的改错,现在已经基本没有错误了,注释没怎么写,以后慢慢补上,如果有什么问题可以交流。下载地址是我的实验室的链
2013-03-21 18:25:25 1679
转载 sift论文中的一些基本概念
降采样:对于一幅图像而言的降采样就是每隔几行、几列得到取一点,组成一个新的图像。以比例因子为2(fact of 2)的降采样来说:就是対一幅图像每隔一行一列取一点。对于n×n的图像就变为n/2×n/2的图像了。比例因子为2的降采样是SFIT要用到的!升采样:其实一种插值,就是在一幅图像里利用相关的插值运算得到一幅大的图像!比如比例因子为2的升采样就是每个相邻像素点种插值出一个像素(这里包括
2013-03-04 10:14:10 483
转载 SIFT特征提取分析
SIFT(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特征点匹配,获得了良好效果,详细解析如下:算法描述SIFT特征不只具有尺度不变性,即使改变旋转
2013-03-03 12:53:09 372
转载 计算机视觉、模式识别、机器学习常用牛人主页链接
原文地址:[ZZ]计算机视觉、模式识别、机器学习常用牛人主页链接作者:千里8848牛人主页(主页有很多论文代码)Serge Belongie at UC San DiegoAntonio Torralba at MITAlexei Ffros at CMUCe Liu at Microsoft Research New EnglandVittor
2013-02-28 12:38:36 2358
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人