- 博客(21)
- 收藏
- 关注
RSS订阅转载 【计算机视觉 5】、图像检索
90年代以后，出现了对图像的内容语义，如图像的颜色、纹理、布局等进行分析和检索的图像检索技术，即 基于内容的图像检索 （Content-based Image Retrieval，简称 CBIR）技术。
2022-06-20 10:44:08
748
1
原创 【计算机视觉实战 3】、基于SIFT特征、单应性变换矩阵、RANSA、图最小割的图像拼接
SIFT特征：上篇博客已经介绍了SIFT特征点的尺度不变性，提取出两幅图片的SIFT特征点，将相同部分进行匹配，为图像拼接提供可能。基于特征点的匹配，可以找到两幅图像的可拼接区域，然后将两幅图像头用到共同的拼接平面上，在拼接平面上进行融合但是由于两幅图像相同内容存在如位移、旋转、相似、仿射、透视的变换关系，所以需要计算两个图像的变换结构对于每种变化关系原坐标可与参数计算得到映射坐标，如位移对于x，y坐标分别需要一个，在xy坐标系下一共就需要两个可知存在透视关系时，需要8个参数才可由原坐标计算出映射坐标，八
2022-06-09 21:45:11
984
原创 【机器学习实战 5】、支持向量/机（SVM）
支持向量/机支持向量机1.基本思想2.数学知识补充一3.基本原型和理论推导4.拉格朗日乘子法5.数学知识补充二3.核方法6.软间隔实验二级目录三级目录支持向量机1.基本思想2.数学知识补充一1、超平面的表示方法：其中，w表示超平面的法向量；b为相对于过原点超平面的偏移。下面两个公式分别表示超平面两侧的区域2、点到超平面的距离公式可以理解，超平面上的点都满足超平面方程，那么超平面外的点到超平面的距离与超平面方程左侧绝对值成正比，同时可知法向量w可以任意倍数缩放为不改变超平面，所以对w要归一
2021-12-29 12:09:43
465
原创 【机器学习实战 4】、基于最优化线性回归的分类算法：logistic回归
分类算法：logistic回归一、线性模型之回归1、线性模型二、线性模型之分类1、logistic回归2、实战一、线性模型之回归1、线性模型线性模型一般形式为由d个属性构成的实例x=（x1,x2,…,xd），xi表示x在第i个属性上的取值线性模型试图学的一个通过属性的线性组合来进行预测的函数，一般形式为：一般用向量形式写成：w，b学得之后，模型就得以确定很多功能更为强大得非线性模型可在线性模型得基础上通过引入层级结构或高位映射而得。w，b是如何进行学习得到的呢当x为一维数据时，如下图
2021-11-27 17:26:39
1090
原创 【C++ 4】、STL（容器、迭代器、算法、函数对象）的应用
STLSTL的基本组件一、容器，迭代器，算法，函数对象1、容器2、迭代器3、函数对象4、算法二、set的使用set存放学生信息，并进行增删改查三、map的使用对字符串统计各字符个数STL的基本组件一、容器，迭代器，算法，函数对象用具体情况举例说明四者关系。下面从针对一个具体的数据类型到多种数据类型来编写一个图中的transform1、首先确定的容器类型，数组，算法为直接取负先测试确定容器，数组，确定算法，函数void transInv(int a[],int b[],int nNum){
2021-11-26 23:22:45
180
原创 【机器学习实战3】、基于统计的分类方法：朴素贝叶斯
基于概率论的分类方法：朴素贝叶斯朴素贝叶斯1、公式推导2、算法实战朴素贝叶斯1、公式推导朴素贝叶斯朴素贝叶斯算法，概率论公式推导现有两个事件A，B,如何将A设为条件，那么在A发生得条件下，B发生概率计算如下，类似的，可以得如下公式，将公式（2）移项，那么易得将公式（3）带入公式（1）易得朴素贝叶斯假设B得各项事件相互独立对于P（A），由全概率公式易得B各项相互独立，由事件相互独立的性质，易得公式（6）和代入公式（6）后的公式（5）代入公式（4）即可求解在A各项条件下，B某
2021-11-20 21:53:13
1156
原创 【C++ 3 】模板与自动指针
模板与自动指针一、模板函数(compare)1.一般模板函数2.特化模板函数模板二、模板类(Queue)1.成员模板函数2.模板特化1.模板成员函数特化2.模板类特化模板类 AutoPtr1.构造函数2.析构函数3.运算符重载一、模板函数(compare)引出问题函数重载通常用于处理不同的数据类型完成类似的操作，但是有时一个操作可以处理不同的数据类型，这时重载就会出现，参数不同，方法相同的问题。而这时如果能够写一段通用代码处理多种不同数据，便会使代码可重用性大大提高。使用函数模板就是为了这一目的。程
2021-11-16 21:44:41
760
2
原创 【C++ 2.1】、基于QPainter实现多继承图形绘制
多继承图形绘制1、绘制原理2、图形类1、关系图2、CShape3、CPoint4、CTriangle5、CRect6、CCircle6、CircleInRect1、绘制原理 建立一个Qt Widgets Application 工程 main.cpp 不需添加内容 在mainwindow.h文件添加 void paintEvent(QPaintEvent *event) 在mainwindow.cpp文件重写 void paintEvent(QPaintEvent *event) 重新pain
2021-11-02 11:34:43
539
原创 【机器学习实战 2】、决策树-ID3-C4.5-CART
机器学习实战，决策树前言一、决策树是什么？二、使用步骤1.熵2.读入数据总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例可供参考一、决策树是什么？决策树 是表示基于特征对实例进行分类的树形结构从给定的训练数据集中，依据特征选择的准则，递归的选择最优划分特征，并根据此特征将训练数据集进行分割，使得各子数据集有一个最好的分类的过程。决.
2021-10-27 22:22:53
217
原创 【C++ 2】、继承与多态
这里写目录标题三级目录前言一、继承1、公有继承2、保护继承3、私有继承4、友元关系不能继承二、多态性1.引入库2.读入数据总结三级目录前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例可供参考一、继承概念：很容易理解无论什么继承方式，对于继承的私有成员，类内部和对象都不可直接访问，下面不再涉及。基类 classA公有成员：proper
2021-10-26 15:16:42
416
原创 【机器学习实战 1】、KNN实现手写体识别（二）
k-邻近算法的深入思考k-邻近算法的深入思考k值距离度量时间复杂度k-邻近算法的深入思考k值knn算法通过选出k个与预测样本的欧式距离最近的类别，将数量最多的类别作为预测样本的类别，通过下图了解k值对结果的影响可以看到当k值不同时，正方形代表的预测数据的结果不同。所以knn算法中，k值是一个影响预测结果的超参数。K值较小，则模型复杂度较高，容易发生过拟合，学习的估计误差会增大，预测结果对近邻的实例点非常敏感。K值较大可以减少学习的估计误差，但是学习的近似误差会增大，与输入实例较远的训练实例也
2021-10-11 15:18:23
141
原创 【C++ 1】、cMarix类的实现，及运算符重载。
cMatixl类 数据成员： private： int m_nRow int m_nCol double * m_pData 成员函数： public： //构造函数 cMatrix(); cMatrix(int nRow, int nCol, double* pData); cMatrix(const char *strPath); cMatrix(const cMatrix &m); bool create...
2021-10-07 17:22:58
145
原创 【机器学习实战：1】、KNN实现手写体识别（一）
k-近邻算法实现手写体识别k-近邻算法采用测量不同特征值之间的距离解决分类问题优点：精度高、对异常值不敏感、无数据输入假定。缺点：计算复杂度高、空间复杂度高。K 近邻算法适用数据范围为：数值型和标称型。K 近邻算法的工作原理是：1.存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据与所属分类的对应关系。2.输入没有标签的新数据后，将新数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本集中特征最相似数据（最近邻）的分类标签。一般来说，
2021-09-15 22:29:18
443
原创 java安装问题
1.最全jdk安装环境配置https://www.cnblogs.com/liuhongfeng/p/4177568.html2.java se11 之后没有jre需手动生成打开命令窗口，切换到jdk安装目录，执行bin\jlink.exe --module-path jmods --add-mo3 jdk中没有 javaFX
2021-01-18 14:40:10
130
原创 【Python】列表、元组、字典、集合
一、列表1.定义 列表 是一种用于保存一系列有序项目的集合， 使用方括号，元素用逗号隔开 列表 是一种可变的数据类型 可存储Python中的一切对象2.创建列表#创建列表>>> list1 = ['apple', 'mango', 'carrot', 'banana']>>> list1['apple', 'mango', 'carrot', 'banana']>>> list2 = []>>> lis
2020-12-04 23:14:22
248
原创 使用open()及.readline() 统计文本中的大写字母 小写字母 数字 其他字符个数
当 this.txt 和本代码主语同一文件时big_count=0small_count=0other_count=0count=0B="ABCDEFGHIJKLMNOPQRSTUVWXYZ"C="abcdefghijklmnopqrstyvwxyz"d="0123456789"with open(r"this.txt","r") as f: while True: fi =...
2019-11-10 19:59:53
247
原创 python与opencv简单图像操作
1 读取与显示图像import cv2img1 = cv2.imread("D:/homework picture/1.jpg")cv2.imshow("homework picture",img1)cv2.waitKey(0)2对图片进行
2019-11-03 19:22:45
150
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人