- 博客(4)
- 资源 (21)
- 收藏
- 关注
原创 【深度剖析HMM(附Python代码)】1.前言及隐马尔科夫链HMM的背景
1. 前言隐马尔科夫HMM模型是一类重要的机器学习方法,其主要用于序列数据的分析,广泛应用于语音识别、文本翻译、序列预测、中文分词等多个领域。虽然近年来,由于RNN等深度学习方法的发展,HMM模型逐渐变得不怎么流行了,但并不意味着完全退出应用领域,甚至在一些轻量级的任务中仍有应用。本系列博客将详细剖析隐马尔科夫链HMM模型,同以往网络上绝大多数教程不同,本系列博客将更深入地分析HMM,不仅包括
2017-04-27 12:24:50 56229 12
原创 【深度剖析HMM(附Python代码)】4.HMM代码测试及hmmlearn介绍
相信经过上几节的说明,大家对于HMM应该有比较好的了解,也许大家已经自己试着运行代码了。这一节主要介绍下另一个著名的HMM的Python库——hmmlearn,这个库提供了三个HMM模型(高斯HMM、离散HMM及高斯混合HMM),比我的代码速度更快,而且更有稳定,而且其还提供了相应的教程和API函数说明:http://hmmlearn.readthedocs.io/en/latest/inde
2017-04-27 14:35:54 15189 1
原创 【深度剖析HMM(附Python代码)】3.隐马尔科夫链所解决的问题
通过隐马尔科夫链,有以下几方面功能:1. 解码问题 已知某一序列,找到最可能的隐藏状态序列(即所谓的解码问题,利用维比特算法来解决)解码过程的相关python代码 def decode(self, X, istrain=True): """ 利用维特比算法,已知序列求其隐藏状态值 :param X
2017-04-27 13:51:53 5380 1
原创 【深度剖析HMM(附Python代码)】2.隐马尔科夫链HMM的EM训练过程
隐马尔科夫链HMM的参数θ的EM训练过程现在回到前一节最后提出的参数θ的最大似然函数上来,先对其做个对数变换,做对数变换是考虑到序列X的概率计算公式中包含了连乘,为了方便计算同时避免序列X的概率过小,因此对其做了对数变换。的期望计算中,对于序列X是已知的,而的概率是由旧参数值 所估计的,因此上式可以表示为:为了方便表示,以下定义:而可以表示为:
2017-04-27 13:28:43 9279 6
SURF Speeded Up Robust Features
2015-10-28
基于小波的角点检测方法
2015-10-27
ADNN自适应阈值及动态ROS的角点检测方法原文
2015-10-27
CPDA角点检测方法
2015-10-27
Boundary-based corner detection using eigenvalues of covariance matrices
2015-10-27
Corner detection and curve representation using cubic B-spline
2015-10-27
A Simple and Efficient Algorithm for Detection
2015-10-27
Faster and Better A Machine Learning Approach to Corner Detection.pdf
2015-10-22
Machine Learning for High-Speed Corner Detection.pdf
2015-10-21
Corner Detection via Topographic Analysis of Vector Potential.pdf
2015-10-21
SUSAN—A New Approach to Low Level Image Processing.pdf
2015-10-21
Robust Low Complexity Corner Detector.pdf
2015-10-19
Good Features to Track.pdf
2015-10-16
Detection and Tracking of Point Features
2015-10-15
A Connectionist Model for Corner Detection in Binary and Gray Images
2015-10-13
Uniqueness of the Gaussian Kernel for Scale-Space.pdf
2015-10-12
Distictive Image Features From Scale-Invariant Keypoints.pdf
2015-10-12
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人