- 博客(5)
- 资源 (2)
- 收藏
- 关注
转载 图像细化
图像细化——针对的是二值图像 或者用阀值处理的二值图像(1):例子 左边为输入图像 右边为细化的效果图(2)思想:公式: y = p0*2^0 + p1*2^1+ p2*2^2 + p3*2^3 + p4*2^4 + p5*2^5 + p6*2^6 +p7*2^7 前辈们对此作出了总结,得出每个点周围8领域的256种情况,放在一
2015-11-25 18:05:09 2581
转载 C++ 获取文件夹下的所有文件名
原文:http://blog.csdn.net/cxf7394373/article/details/7195661原文:http://qiaoxinwang.blog.163.com/blog/static/86096452010612139172/头文件:#includechar * filePath = "D:\\sample";vecto
2015-11-23 16:19:18 400
转载 opencv安装配置及依赖项
文章链接:http://blog.csdn.net/poem_qianmo/article/details/19809337作者:毛星云(浅墨) 微博:http://weibo.com/u/1723155442邮箱: happylifemxy@163.com知乎:http://www.zhihu.com/people/mao-xing-yun写作当前博文时配
2015-11-13 16:48:21 6243
转载 线性判别分析(Linear Discriminant Analysis)
1. 问题 之前我们讨论的PCA、ICA也好,对样本数据来言,可以是没有类别标签y的。回想我们做回归时,如果特征太多,那么会产生不相关特征引入、过度拟合等问题。我们可以使用PCA来降维,但PCA没有将类别标签考虑进去,属于无监督的。 比如回到上次提出的文档中含有“learn”和“study”的问题,使用PCA后,也许可以将这两个特征合并为一个,降了维度。但假设我们的
2015-11-13 15:00:04 863
转载 主成分分析PCA
主成分分析PCA降维的必要性1.多重共线性--预测变量之间相互关联。多重共线性会导致解空间的不稳定,从而可能导致结果的不连贯。2.高维空间本身具有稀疏性。一维正态分布有68%的值落于正负标准差之间,而在十维空间上只有0.02%。3.过多的变量会妨碍查找规律的建立。4.仅在变量层面上分析可能会忽略变量之间的潜在联系。例如几个预测变量可能落入仅反映数据某一方面特征的一个组内
2015-11-13 14:54:48 929
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人