- 博客(7)
- 收藏
- 关注
转载 Visual Studio 2013编译XPDF
工具包下载: freetype-2.5.3.tar.gz xpdf-3.04.tar.gz 编译freetype2: (1)解压freetype-2.5.3.tar.gz (2)进入文件夹".\freetype-2.5.3\builds\wi...
2015-07-18 21:16:00
179
转载 LSA模型
参考 http://blog.csdn.net/wangran51/article/details/7408406 转载于:https://my.oschina.net/u/231884...
2015-05-30 16:27:00
112
转载 PCA主成分分析
1、解决什么问题? 用于提取矩阵中的最主要成分,剔除冗余数据,同时降低数据纬度。现实世界中的数据可能是多种因数叠加的结果,如果这些因数是线性叠加,PCA就可以通过线性转化,还原这种叠加,找到最原始的数据源。 例子: 拿到一个汽车的样本,里面既有以“千米/每小时”度量的最大速度特征...
2015-05-30 13:58:00
144
转载 LDA模型
参考 http://blog.csdn.net/yangliuy/article/details/8302599 http://blog.csdn.net/huagong_adu/article/details/7937616 ...
2015-05-30 13:47:00
79
转载 PLSA模型
1、PLSA的公式表达(两种) 在“主题模型Topic Model”一文中已经说明了从生成模型的角度如何看待主题模型。 主题模型的线性代数表示: 主题模型就是已知“词语-文档”矩阵C,求“词语-主题”矩阵Φ和“主题-文档”矩阵θ。 一种思路就是使用EM(期望最大化)算法来求解Φ和θ...
2015-05-30 13:44:00
273
转载 主题模型Topic Model
1、什么是主题? 主题是一个概念,一个方面,表现为一些列相关的词语,即主题就是词汇表上词语的条件概率分布,与主题关系密切的词语,它的条件概率越大,反之则越小。 2、主题模型的工作原理? 主题模型是从生成模型的角度来观测文档和主题,即“一篇文章的每个词都是通过一定概率选择某个主题,并从...
2015-05-30 13:00:00
347
转载 SVD奇异值分解详解
1、定义 假设C是MxN矩阵,U是MxN的矩阵,其中U的列为CCT的正交特征向量,V为NxN矩阵,其中V的列为CTC的正交特征向量,再假设r为C矩阵的秩,则存在奇异值分解: 然后把∑的r个对角元素的前k个保留(最大的k个保留), 后面最小的r-k个奇异值置0, 得到∑k;最后计算一个近...
2015-05-30 12:57:00
161
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