CV算法
嘀嗒嘀嘀嗒嘀
别低头,王冠会掉
展开
-
相似度度量
转载转载 2018-05-25 17:17:28 · 360 阅读 · 0 评论 -
Sift特征详解
摘自—here—-1.概述全称:Scale Invariant Feature Transform(尺度不变特征变换) 对旋转,尺度缩放,亮度变化等保持不变性,是一种非常稳定的局部特征。1.1 sift算法具有的特点1.图像的局部特征,对旋转,尺度缩放,亮度变化保持不变,对视角变化,仿射变换,噪声也保持一定程度的稳定性。 2.独特性好,信息量丰富,适用于海量特征库进行快速、...转载 2018-05-16 17:13:11 · 4760 阅读 · 0 评论 -
【聚类算法】Mean-shift 算法
转自here基本思想在数据集中选定一个点,然后以这个点为圆心,r为半径,画一个圆,求出这个点到所有点的向量的平均值,而圆心与向量均值的和为新的圆心,然后迭代此过程,直到满足一点的条件结束。后来加了权重系数和核函数,目前在聚类,图像平滑,分割,跟踪等方面有着广泛的应用。 不断找新的圆心,直到密码最大的区域。算法函数a) 核心函数:sklearn.cluster.MeanSh...转载 2018-05-23 15:34:44 · 1481 阅读 · 0 评论 -
GaussianMixtureMode
概述聚类算法大多数采用相似度来判断,而相似度又大多数采用欧式距离长短来衡量,而GMM采用了新的判断依据—–概率,即通过属于某一类的概率大小来判断最终的归属类别 GMM的基本思想就是:任意形状的概率分布都可以用多个高斯分布函数去近似,也就是GMM就是有多个单高斯密度分布组成的,每一个Gaussian叫”Component”,线性的加成在一起就组成了GMM概率密度算法函数n_compon...转载 2018-05-23 22:13:24 · 1254 阅读 · 0 评论 -
主流的聚类方法
聚类是按照某个特定的标准(比如相似度,概率,距离准则,即数据点之间的距离)把一个数据集分割成不同的类或簇,使得同一个簇内的数据对象的相似性尽可能大,同时不在同一个簇中的数据对象的差异性也尽可能地大,我们具体的理解为,聚类后同一类的数据尽可能聚集到一起,不同类数据尽量分离。...原创 2018-05-24 09:36:09 · 370 阅读 · 0 评论