- 博客(4)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 朴素贝叶斯——文本分类
机器学习的一个重要过程就是文档的自动分类。在文档分类中，整个文档（如一封电子邮件）是实例，而电子邮件中的某些元素构成特征。虽然电子邮件是一种不会增加的文本，但同样也可以对新闻报导、用户留言等其他任意文本进行分类。观察文档中出现的词，并把每个词的出现作为一个特征，这样得到的特征数目就会跟词汇表中的词一样多。
2016-10-26 16:43:16
1187
原创 目标特征提取（一）：全局特征
全局特征是基于灰度像素值的描述，可以分为直方图特征、颜色特征和轮廓特征。1、直方图特征直方图特征用数学统计方法提取目标的外观特征。举例说明提取过程：对于一幅灰度图像，将灰度值从0到255等分为8个区间，然后遍历图像爱的每个像素，统计分别落入每个区间的像素的个数，最后将8个区间的像素个数除以像素总和进行归一化便得到直方图特征。为了体现目标颜色的空间信息，可采用颜色空间二维直方图——将图像
2016-10-17 20:08:15
10799
原创 高斯混合模型
高斯密度函数估计是一种参数化模型。高斯混合模型（Gaussian Mixture Model, GMM）是单一高斯概率密度函数的延伸，GMM能够平滑地近似任意形状的密度分布。高斯混合模型种类有单高斯模型（Single Gaussian Model, SGM）和高斯混合模型（Gaussian Mixture Model, GMM）两类。类似于聚类，根据高斯概率密度函数（Probability Density Function, PDF）参数不同，每一个高斯模型可以看作一种类别，输入一个样本x，即可通过PDF计
2016-10-09 14:22:20
927
转载 快速压缩跟踪（fast compressive tracking）（CT）算法剖析
原文链接 http://blog.csdn.net/autocyz/article/details/44490009
2016-09-20 19:44:45
555
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人