- 博客(6)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 距离变换
距离变换距离变换的目的距离变换提供了像素与某个图像子集（可能表示物体或某些特征）的距离度量。距离变换算法的输入输出输入：二值图；输出：灰度图距离变换实例 一个比较好的例子，就是目标物体是白色圆形，背景为黑色，源图像如下图所示， 其中背景（黑色部分）和目标物体（白色部分）两个集合都是已经确定的，现在度量的是目标物体到背景的距离。经过距离变换后的图...
2019-07-10 08:42:28
3086
1
原创 压缩感知算法
1、引言 在介绍压缩感知算法（Compressed Sensing,CS）之前，博主先描述一下数据生成的过程。 首先，信号采集装置会以大于奈奎斯特采样频率的频率进行工作（这是一个巨大的工作，有时候可能还会对目标物体造成一定的损伤），由于巨大的数据量，所以在数据传输之前通常会对数据进行压缩，然后在信号接收端再对数据解压缩。从上面的过程来看，大量数据在传输之前，终究要丢弃，那么是否可以在数...
2018-08-22 14:06:58
12508
3
原创 过拟合解析
1．前言 在训练模型的时候，过拟合是经常出现的一种情况，使得模型的泛化能力很差。根据不同的模型，采用相应的技巧可以避免过拟合，比如经常用的正则化、决策树中的剪枝措施等。很多人知道，训练得到的模型可能会出现过拟合，然而并不知道其内在的原因，这里将对这一现象进行解析，但本文不会介绍解决的办法，寻求解决办法的同学，可以阅读相关文章。2．解析 这里我们以多项...
2018-07-12 23:08:44
889
原创 人工智能基础算法之感知器（2）
1.引言 在上一篇文章中，我们介绍了感知器算法的基本原理，如果只是应用的话，到这里就可以了。但是，一些同学心里可能会有疑问：为什么经过有限次的迭代就一定可以找到那个能把正负样本分开的超平面？下面会给出相关证明；最后将介绍几种由感知器衍生而来的算法，感受其中所蕴含的思想。 2.感知器收敛证明 已知条件：给定一个训练数据集\(T = \{ ({x_1...
2018-05-18 09:35:50
2215
原创 人工智能基础算法之感知器（1）
1. 引言 感知器（perceptron）是比较简单的二分类器，通过对训练样本集的学习，从而得到判别函数权值的解，产生线性可分的样本判别函数。该算法属于非参数算法，优点是不需要对各类样本的统计性质作任何假设，属于确定性方法。 虽然简单，感知器算法却是支持向量机（SVM）和神经网络算法的基础，为了之后更好地学习，感知器算法必须要了解地非常清楚。接下来，就开始介...
2018-05-12 09:46:52
2534
原创 从数学角度看“大数据”
从数学角度看“大数据” 1．引言 首先声明，这篇文章不是科普，其中涉及的一些推论，在实际的应用中很有可能会用到。 无论是人工智能，还是机器学习、深度学习都是数据驱动，都非常都需要大量数据的支撑。直观上来看，数据越多，包含有用的信息也就越多，得到的模型可能也就越好。然而，也许需要一些更加严谨的数学证明，来得到这个结论。 下面，笔者将会从数学的角度来分析，为什么需要大量...
2018-05-02 13:51:01
2814
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人