![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 62
bookwormno1
这个作者很懒,什么都没留下…
展开
-
机器学习经典书籍、顶级会议和杂志
nBooks¨T. Mitchell: Machine Learning, McGraw Hill, 1997.¨R. Duda, P. Hart, D. Stork: Pattern Classification, 2nd Edition, Wiley, 2000.原创 2011-09-22 21:45:12 · 2428 阅读 · 0 评论 -
机器学习 学习资料
本文转自:http://www.guzili.com/?p=45204褪去华衣 裸视学习 探讨系列Posted on2012/12/08by justin写在最前:本专题经 @老师木 同意, 特收录“老湿”对AI/ML的一些独到见解。如果非要问我为什么要特别收录这几篇文章,回答:个人认为,他的大部分见解已经并肩甚至超过了该领域的一般教授。如果你再八卦一下问这个专转载 2012-12-13 11:11:15 · 1144 阅读 · 2 评论 -
SCI EI 收录
SCI EI 收录本文转自:http://blog.sina.com.cn/s/blog_4d403dbe0100bpwp.html SCI Impact Factor Search:http://www.heavyoil.cn/if.aspxSCI indexed journal list:http://att.newsmth.net/att.php?p.686.10转载 2012-12-13 09:10:24 · 1586 阅读 · 0 评论 -
Best paper awards for AAAI, ACL, CIKM, ICML, IJCAI, KDD, SIGIR
原文网址:http://jeffhuang.com/best_paper_awards.html转载 2012-12-13 14:16:09 · 1145 阅读 · 0 评论 -
机器学习 计算机视觉顶级会议文章免费下载
本文出自:http://emuch.net/html/201012/2659795.html 看了版上很多贴子,发现很多版友都在问“热门研究方向”、“最新方法”等。有同学建议国内某教授的教材、或者CNKI、或者某些SCI期刊。每当看到这种问题,我都有点纳闷,为什么不去读顶级会议上的论文?我无意否认以上文献的价值,但是在机器学习、计算机视觉和人工智能领域,顶级会议才是王道。国内教材和转载 2012-12-17 07:27:43 · 1102 阅读 · 0 评论 -
计算机视觉 顶级研究团队之一
网址:http://www.idsia.ch/~juergen/vision.html 主要专注于deep learning的研究,提出的deep neural network囊括各大国际竞赛第一名,有的结果超越手工标记。望尘莫及,只能默默关注~~~原创 2013-03-19 20:59:58 · 846 阅读 · 0 评论 -
deep learning学习
本文绝大部分内容转自:http://www.cnblogs.com/JackOne/archive/2013/02/19/DeepLearning-FirstBoold.html,在此谢谢博主~~~Deep Learning(深度学习)最近火爆的不行,不论是以NIPS,ICML,CVPR这些top conference为代表的学术界,还是以Google,Microsoft,IBM为代表转载 2013-04-02 19:10:46 · 996 阅读 · 0 评论 -
deep belief network资料汇总
本文转自:http://fantasticinblur.iteye.com/blog/1131640毕设做的是DBNs的相关研究,翻过一些资料,在此做个汇总。可以通过谷歌学术搜索来下载这些论文。Arel, I., Rose, D. C. and K arnowski, T. P. Deep machine learning - a new frontier转载 2013-03-21 11:12:10 · 867 阅读 · 0 评论 -
简单科研思路
一. 面对一个新的论文选点需要思考以下问题 1. 明白研究领域存在哪些问题,思考解决方式。思考自己的工作与现有工作之间的区别,即论文创新点是什么 2. 新想法的意义和依据是什么 3. 实验结果是否较好 4. 解释清楚为什么实验效果比较好二. 论文基本框架 1.题目:最简短的摘要原创 2013-03-13 09:11:13 · 1399 阅读 · 1 评论 -
图像处理:基础(模板、卷积运算)
本文转自:http://blog.csdn.net/xiaoxin_ling/article/details/3587987 谢谢博主,受益匪浅1.使用模板处理图像相关概念: 模板:矩阵方块,其数学含义是一种卷积运算。 卷积运算:可看作是加权求和的过程,使用到的图像区域中的每个像素分别于卷积核(权矩阵)的每个元素对应相 乘转载 2013-04-07 19:18:41 · 879 阅读 · 0 评论 -
ROC曲线 及其绘制
本文转自:http://blog.csdn.net/chl033/article/details/4507544ROC曲线(Receiver Operating Characteeristic Curve)是显示Classification模型真正率和假正率之间折中的一种图形化方法。 解读ROC图的一些概念定义:: 真正(True Positive , TP)被模型预测为正转载 2013-04-01 18:52:24 · 1071 阅读 · 0 评论 -
高人对于LIBSVM的经典总结(全面至极)
本文出自:http://blog.sina.com.cn/s/blog_741d9bcb0101hy4z.html ,谢谢原作者和博主的共享和付出~http://www.ilovematlab.cn/viewthread.php?tid=74019&sid=vYpSs5SVM相关资源汇总[matlab-libsvm-class-regress](by faruto)SVM相转载 2013-04-18 18:42:02 · 1183 阅读 · 0 评论 -
SVM三种寻优方法matlab代码 grid search、GA、PSO
文章转自:http://www.matlabsky.com/thread-12414-1-1.html基于GridSearch的svm参数寻优http://www.matlabsky.com/thread-12411-1-1.html基于GA的svm参数寻优http://www.matlabsky.com/thread-12412-1-1.html===========转载 2013-04-19 17:43:49 · 13502 阅读 · 3 评论 -
Bag of word
Bag of Word,顾名思义,即将某些Word打包,就像我们经常会把类似的物品装到一个柜子,或者即使是随意打包一些物品,也是为了我们能够方便的携带,在对大数据作处理的时候,为了能够方便的携带这些数据中的信息,与其一个一个的处理,还不如打包来的容易一点。 Bag of Word 因其理论简单,易懂,在vision界也得到了广泛的应用,有人将Bag of Word改成Bag of V转载 2012-11-19 16:20:25 · 1316 阅读 · 0 评论 -
机器学习 学习资料收集
顶级国际会议视频报告:http://videolectures.net/jul09_hinton_deeplearn/百度文库机器学习 视频教学全集http://wenku.baidu.com/course/view/49e8b8f67c1cfad6195fa705deep learning 相关学习资料:http://deeplearning.net/software_links/原创 2012-11-30 20:26:03 · 629 阅读 · 0 评论 -
SVM 学习 之 松弛变量和惩罚因子
该文转自http://blog.csdn.net/qll125596718/article/details/6910921 1.松弛变量 现在我们已经把一个本来线性不可分的文本分类问题,通过映射到高维空间而变成了线性可分的。就像下图这样: 圆形和方形的点各有成千上万个(毕竟,这就是我们训练集中文档的数量嘛,当然很大了)。现在想象我们有另一个训练集,只转载 2011-11-07 21:45:34 · 1619 阅读 · 0 评论 -
机器学习大牛及其主页
1. International Scholars:nTom Mitchell: http://www.cs.cmu.edu/~tom/ nMichael Jordan: http://www.cs.berkeley.edu/~jordan/nGeoffrey Hint原创 2011-09-22 21:41:44 · 1771 阅读 · 0 评论 -
k-means算法
漫谈 Clustering (1): k-means该文转自:http://blog.pluskid.org/?p=17 by pluskid, on 2008-12-29, inMachine Learning 41 comments本转载 2011-10-19 09:15:49 · 3658 阅读 · 2 评论 -
交叉验证
交叉验证(Cross validation),有时亦称循环估计, 是一种统计学上将数据样本切割成较小子集的实用方法。于是可以先在一个子集上做分析, 而其它子集则用来做后续对此分析的确认及验证。 一开始的子集被称为训练集。而其它的子集则被称为验证集或测试集。交叉验证是一种评估统计分析、机器学习算法对独立于训练数据的数据集的泛化能力(generalize),交叉验证一般要尽量满足:1)训练转载 2011-11-30 20:41:43 · 1162 阅读 · 0 评论 -
判别模型和生成模型的区别
原文网址:http://www.zhan5zhan.com/post/14.html 什么是判别模型(Discriminative Model)和生成模型(Generative Model)? 一个通俗易懂的解释判别模型和生成模型可以点击这里查看,这里我摘录如下: Let's say you have input data x and you want to classify转载 2012-01-01 16:37:13 · 654 阅读 · 0 评论 -
图像处理大牛们主页
作图像处理方面的研究工作,最重要的两个问题:其一是要把握住国际上最前沿的内容;其二是所作工作要具备很高的实用背景。解决第一个问题的办法就是找出这个方向公认最牛的几个超级大拿(看看他们都在作什么)和最权威的出版物(阅读上面最新的文献),解决第二个问题的办法是你最好能够找到一个实际应用的项目,边做边写文章。 做好这几点的途径之一就是充分利用网络资源,特别是权威网转载 2012-08-08 16:58:51 · 2703 阅读 · 0 评论 -
图像处理研究团队 大牛 期刊 会议 及相关资料
本文基于http://www.sciencenet.cn/m/Print.aspx?id=224651 的结果,增加了自己搜索和国内一些信息。作机器视觉和图像处理方面的研究工作,最重要的两个问题:其一是要把握住国际上最前沿的内容;其二是所作工作要具备很高的实用背景。解决第一个问题的办法就是找出这个方向公认最高成就的几个超级专家(看看他们都在作什么)和最权威的出版物(阅读上面最新的文献),解决第转载 2012-08-08 15:33:33 · 7900 阅读 · 0 评论 -
图像特征提取
网上发现一篇不错的文章,是关于图像特征提取的,最近正好在学习图像特征提取,现转载如下。 特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息,决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集,这些子集往往属于孤立的点、连续的曲线或者连续的区域。 特征的定义 至今为止特征没有万能和精确的定义。特征的精确定义转载 2012-08-10 22:00:39 · 1027 阅读 · 0 评论 -
纹理特征提取 及LBP纹理特征matlab实现
一幅图像的纹理是在图像计算中经过量化的图像特征。图像纹理描述图像或其中小块区域的空间颜色分布和光强分布。纹理特征的提取分为基于结构的方法和基于统计数据的方法。一个基于结构的纹理特征提取方法是将所要检测的纹理进行建模,在图像中搜索重复的模式。该方法对人工合成的纹理识别效果较好。但对于交通图像中的纹理识别,基于统计数据的方法效果更好。1.1.1 LBP纹理特征LBP方法(Local b转载 2012-08-12 15:09:27 · 14744 阅读 · 0 评论 -
机器学习十大经典算法
机器学习10大经典算法1、C4.5C4.5算法是机器学习算法中的一种分类决策树算法,其核心算法是ID3算法. C4.5算法继承了ID3算法的优点,并在以下几方面对ID3算法进行了改进: 1)用信息增益率来选择属性,克服了用信息增益选择属性时偏向选择取值多的属性的不足; 2)在树构造过程中进行剪枝; 3)能够完成对连续属性的离散化处理; 4)能够对转载 2012-07-31 19:06:49 · 1727 阅读 · 0 评论 -
条件随机场 conditional random fields 及代码实现
条件随机场模型是由Lafferty在2001年提出的一种典型的判别式模型。它在观测序列的基础上对目标序列进行建模,重点解决序列化标注的问题条件随机场模型既具有判别式模型的优点,又具有产生式模型考虑到上下文标记间的转移概率,以序列化形式进行全局参数优化和解码的特点,解决了其他判别式模型(如最大熵马尔科夫模型)难以避免的标记偏置问题。 条件随机场理论(CRFs)可以用于序列标转载 2012-08-27 10:29:45 · 3989 阅读 · 0 评论 -
线性判别分析(Linear Discriminant Analysis, LDA)算法分析
LDA算法入门 一. LDA算法概述:线性判别式分析(Linear Discriminant Analysis, LDA),也叫做Fisher线性判别(Fisher Linear Discriminant ,FLD),是模式识别的经典算法,它是在1996年由Belhumeur引入模式识别和人工智能领域的。线性鉴别分析的基本思想是将高维的模式样本投影到最佳鉴别矢量空间,以达到抽取分类转载 2011-09-19 20:07:59 · 1012 阅读 · 0 评论 -
使用LIBSVM需要注意的问题
最近使用SVM遇到了各种问题,记录下来便于以后查阅。(1)样本不平衡问题两种解决方式: (1)使用参数-wi进行设置,样本少的权重大 (2)SMOTE算法复制小样本(2)SVM的参数寻优三种方法(CV, GA和PSO),倾向于使用启发式搜索方法GA和PSO。(3)若样本量比较大,运行时间过于缓慢,尝试使用Liblinear(http://www.csie.ntu.edu.t原创 2013-05-01 21:23:53 · 1524 阅读 · 0 评论