- 博客(17)
- 资源 (24)
- 收藏
- 关注
RSS订阅原创 条件随机场 （conditional random fields ）模型
条件随机场模型是由Lafferty在2001年提出的一种典型的判别式模型。它在观测序列的基础上对目标序列进行建模,重点解决序列化标注的问题条件随机场模型既具有判别式模型的优点,又具有产生式模型考虑到上下文标记间的转移概率,以序列化形式进行全局参数优化和解码的特点,解决了其他判别式模型(如最大熵马尔科夫模型)难以避免的标记偏置问题。条件随机场模型（conditional random f
2015-08-30 11:31:18
9705
原创 隐马尔科夫模型（Hidden Markov Models）
隐马尔科夫模型HMM（Hidden Markov Models）来源于现实社会的需求，它是为人们服务的，我们通常都习惯于寻找一个事物在一段时间内的变化规律，并能在特定情况下预测下一变化，比如预测天气等。当然HMM还有一些其他的应用，后面还会提到。既然HMM用处是具有实际意义的，那么下面我们来学习它。实际生活中，有的时候状态的转变是固定的，如红绿灯的变化规律，下一状态是已知的，这种模
2015-08-29 23:18:13
1348
原创 EM算法深入浅出
最近学习了下EM算法，看了下李航的《统计学习方法》第九章EM算法，被一堆理论+公式看的云里雾里的，头大。但是幸好看了从最大似然到EM算法浅解博文，对EM算法算是有了感性的认识，然后拜读Jerry大师的（EM算法）The EM Algorithm的理论分析，醍醐灌顶的感觉，总结如下（某大牛的分享）：我理解的EM算法是最大似然估计方法--参数估计方法的一种 为什么要引入EM呢 我觉得 因为参数
2015-08-29 19:30:17
1048
转载 SVM(四） 支撑向量机，二次规划问题
SMO优化算法（Sequential minimal optimization）SMO算法由Microsoft Research的John C. Platt在1998年提出，并成为最快的二次规划优化算法，特别针对线性SVM和数据稀疏时性能更优。关于SMO最好的资料就是他本人写的《Sequential Minimal Optimization A Fast Algorithm for Tra
2015-08-28 18:13:51
3053
原创 Boosting,AdaBoost ，Online Boosting,online Adaboost介绍
Boosting,AdaBoost ，Online Boosting,online AdaboostBoosting Boosting这其实思想相当的简单，大概是，对一份数据，建立M个模型（比如分类），一般这种模型比较简单，称为弱分类器(weak learner)每次分类都将上一次分错的数据权重提高一点再进行分类，这样最终得到的分类器在测试数据与训练数据上都可以得到比
2015-08-28 18:05:27
1330
原创 机器学习语言理解
博主主页：http://www.flickering.cn/ads/2014/06/我们是这样理解语言的-1文本分析平台textminer/系列文章[我们是这样理解语言的-1]文本分析平台TextMiner[我们是这样理解语言的-2]统计语言模型[我们是这样理解语言的-3]神经网络语言模型[我们是这样理解语言的-4]说说中文分词[我们是这样理解语言的
2015-08-28 17:48:00
1156
转载 生活中的状态模式
生活中的状态模式——水之三态什么是状态？状态即事物所处的某一种形态。状态模式是说一个对象在其内部状态发生改变时，其表现的行为和外在属性不一样，这个对象看上去就像是改变了它的类型一样。因此，状态模式又称为对象的行为模式。如我们生活中经常见到的水，就有三种不同状态冰、水、水蒸汽，三种状态所表现的外在性质完全不一样：1.冰，质坚硬，无流动性，表面光滑；2.水，具有流动性；3.水蒸
2015-08-28 11:03:15
1076
转载 生活中的观察者模式
生活中的观察者模式——一壶水的故事观察者模式，顾名思意就是观察与被观察的关系，比如你在烧开水得时时看着它开没开，你就是观察者，开水就是被观察者；再比如说你在带小孩，你关注她是不是饿了，是不是喝了，是不是撒尿了，你就是观察者，小孩就被观察者。观察者模式是对象的行为模式，又叫发布-订阅(Publish/Subscribe)模式、模型-视图(Model/View)模式、源-监听器(Source/
2015-08-28 10:54:14
739
原创 Adaboost 算法实例解析
Adaboost 算法实例1 Adaboost的原理1.1 Adaboost是什么 AdaBoost，是英文"Adaptive Boosting"（自适应增强）的缩写，由Yoav Freund和Robert Schapire在1995年提出。它的自适应在于：前一个基本分类器分错的样本会得到加强，加权后的全体样本再次被用来训练下一个基本分类器。同时，在每一轮
2015-08-27 21:43:27
24730
23
转载 SVM（三）支持向量机，线性不可分和核函数
3.1 线性不可以分我们之前讨论的情况都是建立在样例线性可分的假设上，当样例线性不可分时，我们可以尝试使用核函数来将特征映射到高维，这样很可能就可分了。然而，映射后我们也不能100%保证可分。那怎么办呢，我们需要将模型进行调整，以保证在不可分的情况下，也能够尽可能地找出分隔超平面。看下面两张图：可以看到一个离群点（可能是噪声）可以造成超平面的移动，间隔缩
2015-08-27 17:55:11
1297
转载 SVM(二）拉格朗日对偶问题
拉格朗日对偶（Lagrange duality）先抛开上面的二次规划问题，先来看看存在等式约束的极值问题求法，比如下面的最优化问题： 目标函数是f(w)，下面是等式约束。通常解法是引入拉格朗日算子，这里使用来表示算子，得到拉格朗日公式为 L是等式约束的个数。 然后分别对w和求偏导，使得偏导数等于0
2015-08-27 17:53:32
787
转载 SVM(一) 问题的提出
SVM是支持向量机从诞生至今才10多年，发展史虽短，但其理论研究和算法实现方面却都取得了突破性进展，有力地推动机器学习理论和技术的发展。这一切与支持向量机具有较完备的统计学习理论基础的发展背景是密不可分的。我看了一下网上的帖子和有关的资料，目前关于SVM大约有3到4个版本，但在网上到处都是转载的内容，最后谁叶不知原稿人是谁。svm主要分有4个问题 1.问题的提出
2015-08-27 17:51:42
692
转载 中国互联网公司最新最全阵亡名单
中国互联网公司最新最全阵亡名单过去两年时间里，每天都有O2O创业公司获得融资，也有O2O创业项目中止、倒闭。现在，我们为您奉上中国史上最全O2O创业企业大盘点，共涉及16个领域、千余家企业，而这16个领域中目前已经死亡的有哪些，“死者”众多，一片哀鸿，请自备纸巾。 这16个领域分别是医疗、美业、婚嫁、房产、家居、出行、汽车、旅游、教育、餐饮、社区、零售、金融、服务商和其它，例举了目前O2O行
2015-08-18 10:09:58
2102
原创 哈佛首位女校长福斯特在学生毕业典礼上的演讲--我们为什么焦虑
你们之所以焦虑，是因为你们既想活得有意义，又想活得成功哈佛首位女校长福斯特在学生毕业典礼上的演讲亲爱的同学们：你们好！早在2007年冬天，助理就告诉我要有这么一个演讲。我没有什么准备，只是想随便与大家聊聊，或许对你们以后会有帮助。为什么我们的学生很多都去了华尔街？当我在Kirkland吃中午饭的时候，在Leverett吃晚饭的时候，当我在我上班时和同学们见面的时候，甚至
2015-08-15 10:49:39
1581
转载 千与千寻
（一）千与千寻之童年情境 我的一个朋友每看到在花丛下白给千寻吃他用魔法做的饭团那一段就泣不成声。很多人不明白，但是我并不奇怪，因为我也是一样。 也许没有童年创伤的孩子不会明白那一段的感人之处。我想也许每个孩子都会幻想自己能够有一个白龙朋友，平时他也就和自己差不多大，可以陪自己玩，但是在遇到危险的时候，他就会变身为矫健的白龙，挺身而出。是的，那并不足为奇。但是不会每个孩子
2015-08-03 17:00:31
1066
原创 HOG特征
HOG特征概述HOG即histogram of oriented gradient, 是用于目标检测的特征描述子，该技术将图像局部出现的方向梯度次数进行计数，该方法和边缘方向直方图、scale-invariant feature transform类似，不同的是hog的计算基于一致空间的密度矩阵来提高准确率。Navneet Dalal and Bill Triggs首先在05年的CVP
2015-08-03 15:39:27
6097
原创 霍夫变换到广义霍夫变换
计算机视觉中经常需要识别或者定位某些几何图形，比如直线、圆、椭圆，还有其他一些图形。检测直线的霍夫变换提供了在图像中寻找直线的一种算法，是最简单的一种情形，后来发展到检测圆、椭圆、还有一般图形的霍夫变换。其核心思想是把图像中属于某种图形的点集（二维）映射到一个点（可以是高维）上，这个点记录了点集中点的数目，使得程序通过搜索峰值找到该点，这个点就是后面要说到的图形的参数，而该参数的范围就
2015-08-03 10:33:56
14641
AP（Affinity Propagation）聚类聚类算法介绍(发表在Science杂志上)
2015-04-14
Robust Recovery of Subspace Structures by Low-Rank Representation
2015-04-07
GPSR--求解L1范数优化包
2015-03-27
liblinear 软件包（最新版本1.95）
2014-11-08
opencv camshift 实现目标跟踪
2014-06-18
opencv 实现 meanshift 的目标跟踪
2014-06-18
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人