- 博客(4)
- 资源 (3)
- 收藏
- 关注
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