xiaoshengforever的专栏

原创 source insight 查找功能

source insight是一款很好的c语言的程序编辑器，方便对project管理，方便程序的阅读和编辑。查找功能使用十分频繁，选项较多，与其它软件的查找功能也类似，下面对英文版的查找功能，做简单说明：查找参数：whole words only :                  全字匹配查找case sensitive  ：                   区

原创 中了一篇ccf的b类会议sdm'15，要去温哥华参会。很高兴啊！！！！

中了一篇ccf的b类会议sdm‘15，要去温哥华参会。很高兴啊！！！！序号会议名称会议介绍代表领域12ICCV: IEEE International Conference on Computer Vision领域顶级国际会议，录取率20%左右，2年一次，中国大陆每年论文数不超过10篇计算机视觉，模式识别，

原创 [百度百科]虚函数理解

简单地说，那些被virtual关键字修饰的成员函数，就是虚函数。虚函数的作用，用专业术语来解释就是实现多态性（Polymorphism），多态性是将接口与实现进行分离；用形象的语言来解释就是实现以共同的方法，但因个体差异而采用不同的策略。下面来看一段简单的代码12345678910

原创 [转载论文]蚁群算法在最优路径上的应用

原创 在matlab中调整legend的位置

原创 latex 笔记，更新ing

转置$ A ^ \mathrm{ T } $

原创 CCA的matlab小实验

最近在看CCA，为了证明CCA的性能，自己写了一个matlab代码

原创 K-means自己写的代码，简单易懂，但是貌似效率有点低，没怎么优化

%N是数据一共分多少类%data是输入的不带分类标号的数据%u是每一类的中心%re是返回的带分类标号的数据%我们只需要得到聚类中心即可，所以只返回一个矩阵变量function [u]=k_means(data,N) [m n]=size(data); %m是数据个数，n是数据维数 ma=zeros(n); %每一维最大的数 mi=zero

原创 雅可比矩阵 和 海森矩阵

原创 Co-training&主动学习

Co-training是目前很流行的一种半指导机器学习的方法,它的基本思想是:构造两个不同的分类器,利用小规模的标注语料,对大规模的未标注语料进行标注的方法.Co-training方法最大的优点是不用人工干涉,能够从未标注的语料中自动学习到知识。Co-training方法,是有指导和无指导机器学习两者的一个折中办法,它的原则是:在不牺牲性能的前提下,尽量多的使用未带标数据，它从一个小规模的带标的语

原创 范数的定义

0-范数：就是指向量中非0项个数1-范数：是指向量（矩阵）里面非零元素的个数。类似于求棋盘上两个点间的沿方格边缘的距离。              ||x||1 = sum（abs(xi)）；2-范数（或Euclid范数）：是指空间上两个向量矩阵的直线距离。类似于求棋盘上两点见的直线距离   （无需只沿方格边缘）。               ||x||2 = sq

原创 几个人工智能会议

The First Class:今天先谈谈AI里面tier-1的conferences, 其实基本上就是AI里面大家比较公认的topconference. 下面同分的按字母序排列.IJCAI (1+): AI最好的综合性会议, 1969年开始, 每两年开一次, 奇数年开. 因为AI实在太大, 所以虽然每届基本上能录100多篇（现在已经到200多篇了），但分到每个领域就没几篇

原创 弗罗贝尼乌斯范数（Frobenius norm）

弗罗贝尼乌斯范数对 p = 2，这称为弗罗贝尼乌斯范数（Frobenius norm）或希尔伯特-施密特范数（ Hilbert–Schmidt norm），不过后面这个术语通常只用于希尔伯特空间。这个范数可用不同的方式定义：这里 A* 表示 A 的共轭转置，σi 是 A 的奇异值，并使用了迹函数。弗罗贝尼乌斯范数与 Kn 上欧几里得范数非常类似，来自所有矩阵的空

原创 ITQ(Iterative Quantization)迭代量化方法详解

转载：http://www.yuanyong.org/cv/itq-hashing.htmlCVPR 2011《Iterative Quantization: A Procrustean Approach to Learning Binary Codes》论文阅读笔记。 看过的文章，不做记录，即便当时理解透了，过一段时间后，知识总会模糊不清。所以从现在开始，

原创 生成模型与判别模型

转载：http://blog.csdn.net/zouxy09/article/details/8195017生成模型与判别模型[email protected]://blog.csdn.net/zouxy09       一直在看论文的过程中遇到这个问题，折腾了不少时间，然后是下面的一点理解，不知道正确否。若有错误，还望各位前辈不吝指正，以免小弟一错再错。在此谢

原创 Graphical Model（概率图模型）的浅见

转载：http://chentingpc.me/article/article.php?id=1503最近在做一些概率图模型的东西，所以有一点点浅见，就随便写写，白话、不带数学公式，不深。概率图分为有向图（bayesian network）与无向图（markov random filed）。直觉上说，有向图突出causality（因果关系，其实只是correlation），无向图突

原创 RBF神经网络的matlab简单实现

RBF神经网络的介绍：点击打开链接实验数据集 点击打开链接代码clear allclc %清除命令窗口load Data-Ass2;d=data'; %求转置dat=d(1:2500,1:2);labels=d(1:2500,3);inputNums=2; %输入层节点outputNums=1; %输出层节点 许多情况下直接用1表示h

原创 (转载）Logistic regression （逻辑回归）

转载 点击打开链接Logistic regression （逻辑回归）是当前业界比较常用的机器学习方法，用于估计某种事物的可能性。比如某用户购买某商品的可能性，某病人患有某种疾病的可能性，以及某广告被用户点击的可能性等。（注意这里是：“可能性”，而非数学上的“概率”，logisitc回归的结果并非数学定义中的概率值，不可以直接当做概率值来用。该结果往往用于和其他特征值加权求和，而非直接相乘

原创 BP神经网络设计的matlab简单实现

例1 采用动量梯度下降算法训练 BP 网络。用matlab自己的神经网络训练样本定义如下：输入矢量为     p =[-1 -2 3  1      -1  1 5 -3]目标矢量为   t = [-1 -1 1 1]解：本例的 MATLAB 程序如下： close all clear echo on clc % NEWFF——生成一个新的前向神经网

原创 拉普拉斯矩阵

1、拉普拉斯矩阵拉普拉斯矩阵(Laplacian matrix) 也叫做导纳矩阵、基尔霍夫矩阵或离散拉普拉斯算子，主要应用在图论中，作为一个图的矩阵表示。2、定义3、示例

原创 TF-IDF 用于资讯检索与文本挖掘的常用加权技术

http://ylkjick532428.blog.163.com/blog/static/82935375201002524241656/详细介绍介绍TF-IDF是一种统计方法，用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加，但同时会随着它在语料库中出现的频率成反比下降。TF-IDF加权的各种形式常被搜索引擎

原创 matlab 贝叶斯决策对二维二分类问题的实现

load data1;right=0;x=zeros(2,1);%假设它们都符合二元高斯分布u1=zeros(2,1);%值为1的类的均值v1=zeros(2,2);%值为1的类的方差u2=zeros(2,1);%值为2的类的均值v2=zeros(2,2);%值为2的类的方差sum1=0;sum2=0;pior1=0;posterior1=0;lik

原创 matlab knn 对二维二分类问题的实现

load data1;double temp;distance=zeros(2,2500);k=5;right=0;for m=2501:1:3000 %测试循环for i=1:1:2500 distance(1,i)=sqrt( (data(1,i)-data(1,m))^2 + (data(2,i)-data(2,m))^2 ); dist

原创 matlab 学习笔记（更新ing）

1、for i=n:-1:1n是i的初始值，-1是步长，1是终止值。

原创 MATLAB函数大全

转载：http://www.douban.com/note/181460051/Matlab有没有求矩阵行数/列数/维数的函数？ndims(A)返回A的维数size(A)返回A各个维的最大元素个数length(A)返回max(size(A))[m,n]=size(A)如果A是二维数组，返回行数和列数nnz(A)返回A中非0元素的个数MATLAB的取整函数:fix(x

原创 二分类SVM方法Matlab实现

使用Matlab实现了二分类的SVM，优化技术使用的是Matlab自带优化函数quadprog。只为检查所学，更为熟悉；不为炫耀。也没有太多时间去使用更多的优化方法。function model = svm0311(data,options)%SVM0311 解决2分类的SVM方法，优化使用matlab优化工具箱quadprog函数实现%by LiFeiteng emai

原创 一张图来介绍人脸识别历史与发展方向

原创 人脸识别PCA LDA等方法的一些讨论

Eigenfaces与fisherfaces可以说是人脸识别领域的经典基准算法了，不高明白真是无法说做过人脸识别。国内论文多如牛毛，但大多千篇一律，言之无物。建议看作者的原文。对于PCA与LDA的推导建议仔细看一遍（主要是用拉格朗日方法转化为求矩阵的特征值）。然而实际的情况是，方差矩阵是奇异的，无法求得理想解，怎么办呢？dodo总结的较为全面，摘录如下：http://hi.baidu.

原创 最小二乘法的几何意义 – 巧妙记忆公式的方法

上次写了篇文章来阐述几何投影与傅里叶级数的联系，今天我想谈谈几何投影与最小二乘法的联系，这种联系的好处是不管多复杂的公式，又可以被瞬间记住了。本文的中心思想是：最小二乘法中的几何意义是高维空间中的一个向量在低维子空间的投影。这个思想在MIT教授Gilbert Strang的线性代数的公开课程上有讨论，这里我会把这个思想详细的阐述一遍。文章最后会把傅里叶级数和最小二乘法放在一起做个比较和总结，希望大

原创 狄拉克δ函数

狄拉克δ函数[编辑]维基百科，自由的百科全书狄拉克δ函数（Dirac Delta function），有时也说单位脉冲函数。通常用δ表示。在概念上，它是这么一个“函数”：在除了零以外的点都等于零，而其在整个定义域上的积分等于1。严格来说狄拉克δ函数不能算是一个函数，因为满足以上条件的函数是不存在的。但可以用分布的概念来解释，称为狄拉克δ分布，或δ分布，但与费

原创 健壮性 Robustness

鲁棒是Robust的音译，也就是健壮和强壮的意思。它是在异常和危险情况下系统生存的关键。比如说，计算机软件在输入错误、磁盘故障、网络过载或有意攻击情况下，能否不死机、不崩溃，就是该软件的鲁棒性。所谓“鲁棒性”，是指控制系统在一定（结构，大小）的参数摄动下，维持其它某些性能的特性。根据对性能的不同定义，可分为稳定鲁棒性和性能鲁棒性。以闭环系统的鲁棒性作为目标设计得到的固定控制器称为鲁棒控制器。

原创 IT人才市场最看重的12项技能

近些年来，安全专业人员一直供不应求，不过据Schmidt介绍，如今，大批雇主在审查所有应聘者，而不只是安全岗位应聘者的安全技能和证书。公司仍然需要安全专家和主题专家，不过越来越多的是，公司招聘的每个IT人员都IT行业很热门，不过前提是你要有所需的技能。如果你想进入这个行业，不妨看看在不久的将来最热门的几项IT技能。Kevin Scott是谷歌公司的高级技术经理，也是美国

原创 MFC中如何获取编辑框内容的两种形式

1、设置编辑框变量 在MFC的基本对话框中,我建立了一个编辑框控件,变量名为 m_Min ,类型为value int 现在我想获取这个控件中的内容,并存入类型为int的变量temp中,请问怎么样做?可以用GetWindowText吗?为什么我用这个函数的时候,提示我GetWindowText要有一个类或结构体?是不是用这个函数的时候还要进行其它设定? 我在做数据库课程设计的时候,可以这

原创 LBP C++实现代码

// FaceRecognize.cpp : 定义控制台应用程序的入口点。//#include "stdafx.h"#include "opencv2/opencv.hpp"#include "CossValidtion.h"using namespace std;using namespace cv;using namespace kl1p;//#define LEN 30

原创 LBP中uniform的58种模式

0123467812141516242830313248566062636496112120124126127128129131135143159191192193195199207223224225227231

原创 （SRC）基于稀疏表示的人脸识别

本文主要记录自己在学习稀疏表示在人脸识别中的应用所遇到的问题作一简单的总结。1.  问题背景        信号的稀疏表示并不是新的东西。我们很早就一直在利用这一特性。例如，最简单的JPEG图像压缩算法。原始的图像信号经过DCT变换之后，只有极少数元素是非零的，而大部分元素都等于零或者说接近于零。这就是信号的稀疏性。        任何模型都有建模的假设条件。压缩感知，

原创 特殊数学字符

＊标点符号 :  。，、；：？！„-«ˉˇ¨‘'“”〄～‖⁅＂＇｀｜〃【】々〆〇〈〉《》「．〒〓」『（）［］｛｝   ＊数字序号 :  ‥…‧  ‪‫‬‭‮ ‰ ㈠㈡㈢㈣㈤㈥㈦㈧㈨㈩ ⁝⁞ ⁠⁡⁢⁣⁤⁥⁦ ⁓⁔⁕⁖⁗⁘⁙⁚⁛⁜⁧⁨⁩⁰  ⁓ ⁔ ⁕ ⁖ ⁗ ⁘ ⁙ ⁚ ⁛ ⁜ ․  一 二 三 四 五 六 七 八 九 十  ⁝ ⁞   ⁠ ⁡ ⁢ ⁣ ⁤ ⁥ ⁦

原创 协方差最大似然估计为什么比实际协方差小一点 E(ΣML)=(N-1)/N * Σ

我们都知道，给定N个一维实数空间上的样本点{ xi，i=1,2,3... }，假定样本点服从单峰高斯分布，那么，最大似然估计的参数表达式为：期望：   方差：可是，你是否注意过，在我们从小接受到的方差定义公式，却与最大似然估计的不一样，一个分母为n-1，一个为n。这是不是意味着最大似然估计的不准确？如何衡量这种不准确？换个角度，更进一步，方差的定义公式为什么要除以n-1？本文将从最

原创 美国各州分布图

州名（州名缩写）首府名 州名（州名缩写） 首府名 亚拉巴马 Alabama -- AL蒙哥马利 　Montgomery 蒙大拿 Montana -- MT海伦娜　　　　　 Helena  阿拉斯加 Alaska -- AK朱诺 　Juneau  内布拉斯加 Nebraska -- NE林肯　　　

原创 DCV(Discriminative Common Vectors)based on LDA（fisher线性判别）

where SB denotes the between-class and SW the within-class scatter matrix of the training data.SB为类间散布矩阵，Sw为类内散布矩阵因为Sw可能为奇异矩阵，所以当他为奇异矩阵的时候用下面的计算公式 这就叫DCV(Discriminative Common Vectors)