chinshun3367-CSDN博客

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

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

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

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

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

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

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

chinshun3367的博客