自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(9)
  • 收藏
  • 关注

原创 计算机网络的各层的常用协议

应用层: DHCP:动态主机配置协议  查了下,大概是负责管理和分配IP地址,可以自动分配也可以用户手动分配FTP:文件传输协议   负责文件上传和下载    比如说在电影天堂下个电影,就用到了这个协议HTTP:超文本传输协议  网页在服务器端是以超文本信息的形式存放的,当用户想访问一个特定的主页时,通过http将服务器的页面代码(超文本)传输到用户的电脑上,然后在变成

2016-01-19 17:31:24 653

转载 svm学习

总结自svm八股文VC维越高,一个问题就越复杂经验风险Remp(w):使用分类器在样本数据上的分类的结果与真实结果(因为样本是已经标注过的数据,是准确的数据)之间的差值。置信风险:代表了我们在多大程度上可以信任分类器在未知文本上分类的结果。置信风险与两个量有关,一是样本数量,二是分类函数的VC维、SVM擅长应付样本数据线性不可分的情况不考虑维度,线性函数又称为超平面

2015-11-22 11:11:36 475

原创 hog自学

这两天看hog,对其原理和代码的一些理解    先确定一些参数,一般一个块有2×2个Cell,一个Cell有16×16个像素,梯度有两个参数,一个是模值,一个是方向,在平面一般分成9个方向,一共是180度的角度,  算法的主要步骤   初始参数设置(忽略)首先求整个图像的斜率,边缘强度等,下面是别人的代码fy=[-1 0 1]; %定义竖直模板fx=fy'; %定义水平

2015-11-21 13:20:46 451

转载 查到的别人稀疏表示的研究

稀疏表示 踏入“稀疏表达”(Sparse Representation)这个领域,纯属偶然中的必然。之前一直在研究压缩感知(Compressed Sensing)中的重构问题。照常理来讲,首先会找一维的稀疏信号(如下图)来验证CS理论中的一些原理,性质和算法,如测量矩阵为高斯随机矩阵,贝努利矩阵,亚高斯矩阵时使用BP,MP,OMP等重构算法的异同和效果。然后

2015-10-28 21:31:50 1349

转载 图像分类研究现状

图像分类包括图像样本的获取过程,图像特征提取过程和图像分类的过程。特征提取是指为了保证分类器能够正常工作,需要对样本图像进行一些变换,并按某种准则选用对正确分类识别有作用的信息。而图像的分类通常包含了训练分类器和使用分类器进行分类的过程。近期,基于稀疏表示的方法在图像分类得到了广泛的应用,J Wright 等在文献[14]中提出了基于稀疏表示分类(SRC)的鲁棒人脸识别方法,其在噪声和遮挡

2015-10-28 11:41:27 10312

转载 稀疏表示分类器

稀疏表示可作为基础理论用于构建稀疏表示分类器[14](Sparse Representation Classifier, SRC)。SRC 假定当测试样本所在类的训练样本数足够多时,测试样本可由这些训练样本进行线性表示,而其它类的样本对重构该测试样本的贡献为 0,从而将一般信号的分类问题转化为了一种稀疏表示问题。大量实验证明,这类分类器能够较好地应用于图像分类和目标跟踪问题。Wright 指出 S

2015-10-28 11:29:37 8353 1

转载 分类器基本知识

分类器的作用:常规任务是利用给定的类别已知的训练数据来学习分类规则和分类器,然后对未知数据进行分类(或预测)。分类算法:划分为了两类,    即基于概率密度的方法和基于判别函数的方法。基于概率密度的分类算法通常借助于贝叶斯理论体系,采用潜在的类条件概率密度函数的知识进行分类;基于判别函数的分类方法使用训练数据估计分类边界完成分类,无需计算概率密度函数。在基于概率密度的分类算法中,有著名的贝

2015-10-28 11:03:34 9704 1

原创 稀疏表示的基础概念

数学上的意义(大概能理解)    线性代数上    字典:实际上就是一组基,也就是线代中的一组向量,字典B由一组线性独立的基矢量[b , b , ..., b ] (原子)组成,这些基能够张成整个矢量空间,即空间中任意矢量 s 都可以通过这组基的线性组合进行重构[9] [10]。c为系数,任意向量都能由基唯一确定。字典 B 为空间 X 的一组正交基,则有为字典矩

2015-10-27 21:11:25 10437

翻译 Vehicle Identification Via Sparse Representation

Abstract—    In this paper, we propose a system using video cameras to perform vehicle identification.We tackle this problem by reconstructing an input by using multiple linear regression models a

2015-10-27 10:36:50 734

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

提示
确定要删除当前文章?
取消 删除