2018年08月_SilenceHell

转载 harris角点检测

转载于：https://blog.csdn.net/woxincd/article/details/60754658转载处的文章也是转载的，但是他没标出处，我只能将其链接贴出来，侵删。https://github.com/RonnyYoung/ImageFeatures/blob/master/source/harris.cppHarris角点算法特征点检测广泛应用到...

2018-08-31 22:08:00 841

转载 getGaussianKernel

转载于：https://blog.csdn.net/u012633319/article/details/80921023 基本原理：在数字图像处理中，一般取二维高斯函数为由（1）可以知道，二维高斯函数，可以看成两个一维高斯函数乘积，因此先计算一维高斯模板，再计算需要的二维高斯模板。两个归一化的一维模板相乘得到的二维高斯模板，同样为归一化结果，例：如图1所示，（...

2018-08-31 21:34:31 5531 2

转载 Opencv中Mat矩阵相乘——点乘、dot、mul运算

转载于：https://blog.csdn.net/dcrmg/article/details/52404580Mat矩阵点乘——A*BOpencv重载了运算符“*”，姑且称之为Mat矩阵“点乘”，其中一个重载声明为：CV_EXPORTS MatExpr operator * (const Mat& a, const Mat& b);点乘说明：1. &...

2018-08-31 21:23:17 10484 3

转载 filter2D opencv

转载于：https://blog.csdn.net/keith_bb/article/details/53103026 接上篇在其官方文档中，filter2D()函数在掩模板介绍中一笔带过，我认为该函数应该进行详细介绍。对于使用掩模板矩阵(kernel)计算每个像素值，结合函数filter2D()函数，其定义如下：CV_EXPORTS_W void ...

2018-08-31 21:14:51 422 2

转载雅克比矩阵的应用实例

转载自：http://www.cnblogs.com/caster99/p/4725914.html?utm_source=tuicool&utm_medium=referral　　说到逆运动学（IK），其中最重要的一部分就是利用雅克比矩阵表示目标状态和变量组之间的关系。具体文献参考“Introduction to Inverse Kinematics with Jacobi...

2018-08-31 19:35:39 12385

转载 Hausdorff距离

转载于：https://www.cnblogs.com/xlz10/p/3929119.html       给定欧氏空间中的两点集，，Hausdorff距离就是用来衡量这两个点集间的距离。　　其中，，。称为双向Hausdorff距离，称为从点集A到点集B的单向Hausdorff距离。相应地称为从点集B到点集A的单向...

2018-08-31 15:10:14 4589

原创小波变换资料整理（1）概念入门篇

知乎上很好的一个回答，本想转过来，奈何答主没回复申请，所以贴个链接在这里：能不能通俗的讲解下傅立叶分析和小波分析之间的关系？ - 知乎 https://www.zhihu.com/question/22864189...

2018-08-31 13:06:52 652

原创离散傅里叶变换代码

以下这个代码是我以前在一篇博客上照着敲的，但是时间久远我实在不知道是在哪篇博客上看得，所以没能给出地址链接，侵删。我按照自己的理解对代码进行了注释。#include<opencv2/opencv.hpp>#include<iostream>using namespace cv;using namespace std;int main(){ Ma...

2018-08-31 11:12:05 1298

原创 The Discrete Fourier Transform (DFT)（2）

这里我想说一些离散傅里叶变换需要注意的东西。 1.对一副图像而言起始坐标为左上角f(0,0),那么傅里叶变换过后的图像任然以左上角F(0,0)为起始点，而空域图像的移动不会对频域图像造成太多的影响，只是会在结果后面乘上一个相位的变动。所以我们在获得频域图像后如果想要得到中心显示的图像，就得对图像进行移动（一般使用剪切和拼接进行操作）。所以原图的位移不会影响频域图像的幅度变化，但是旋转会。2....

2018-08-31 10:12:22 385

原创 The Discrete Fourier Transform (DFT)（1）

前篇讲解了傅里叶变换和采样定理，这一节我们来说说离散傅里叶变换，DFT这个东西我前后看了好几遍，不过看一次忘一次，都是因为理解的不到位。不过这一次，我又有了点新理解。采样定理的应用非常广泛，比如ccd成像就是采样定理的一个很好的应用，我们通过ccd的每个像素对一副图像进行采样。所以现实生活中我们要处理的数据很多都是通过采样产生的离散数据，如果我们想对离散数据进行频域的处理，那么我们就需要离...

2018-08-30 19:16:38 1266

原创 Sampling Theorem

我们对一个函数g(x)g(x)g(x)进行傅里叶变换得到G(fx)G(fx)G(f_x). 然后将G(fx)G(fx)G(f_x)以周期ΔΔ\Delta进行展开构造出一个新的周期函数，然后将该周期函数转换成傅里叶序列： ∑−∞∞G(fx+nΔ)=∑−∞∞gkexp(−i2πkfx/Δ)（1）∑−∞∞G(fx+nΔ)=∑−∞∞gkexp(−i2πkfx/Δ)（1）\sum^{\infty}_{-...

2018-08-30 12:59:24 1031

原创傅里叶变换

1.1 Fourier Series 当一个函数是一个周期函数的时候，我们能够将其分解成Fourier Series。一个周期函数能够分解成Fourier Series需要满足狄利赫里条件： 1：在任何周期内，函数必须可积。 2：在任一优先区间中，函数只能够取有限个最大值和最小值。 2：在任何有限区间上，函数只能有有限个第一类间断点。1.2 Gibbs phenomenon 如果一个...

2018-08-29 18:08:23 6818

原创线型时不变系统

时不变系统时不变系统：就是系统的参数不随时间而变化，即不管输入信号作用的时间先后，输出信号响应的形状均相同，仅是从出现的时间不同。用数学表示为T[x(n)]=y[n]则 T[x(n-n0)]=y[n-n0]，这说明序列x(n)先移位后进行变换与它先进行变换后再移位是等效的。线性时不变系统线性时不变系统：既满足叠加原理又具有时不变特性，它可以用单位脉冲响应来表示。单位脉冲响应是输入端为单...

2018-08-28 22:00:53 999

原创机器学习技法第五周学习笔记

1.Soft-Margin SVM as Regularized Model 我们对hard-margin svm和soft-margin svm进行回顾，我们首先求出问题的基本式，然后转换成对偶式，最后对对偶式利用二次规划工具求解。 hard-margin svm的条件物理意义为希望数据能够全部分对即Ein=0.最小化式子的物理意义为希望使求出边界最大的分割线。 soft-margin s...

2018-08-27 20:32:49 204

转载马氏距离

本文转载自：https://blog.csdn.net/u010167269/article/details/51627338 转载有点问题，大家可去原文观看 Preface 之前在写《Multi-view CNNs for 3D Objects Recognition》的阅读笔记的时候，文章中的一个创新点便是将MVCNN网络提取到的3D Objects...

2018-08-26 19:35:59 856

原创协方差矩阵

本文转载自：https://www.cnblogs.com/terencezhou/p/6235974.html很想转载过来，但是没办法，转过来很多乱码，所以这里贴一个链接。

2018-08-26 19:20:12 140

转载如何理解协方差协方差

本文转载自：https://www.cnblogs.com/tsingke/p/6273970.html协方差代表的意义是什么?&nbsp;&nbsp;&nbsp;在概率论中，两个随机变量 X 与 Y 之间相互关系，大致有下列3种情况：&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&amp

2018-08-26 19:05:40 3247

转载 Bhattacharyya距离

转自：https://www.cnblogs.com/yingying0907/archive/2012/07/26/2609920.html我转自上述地址，但是原创不是上述地址，但是上述地址作者给的原地址跳转失败，原地址在下面。Bhattacharyya距离在统计学中，Bhattacharyya距离（以下称巴氏距离）测量的是两个离散或连续概率分布的相似性。计算方式和Bhattachar...

2018-08-26 16:53:47 614

转载 Kullback-Leibler Divergence （KL 散度）

转载自：https://blog.csdn.net/matrix_space/article/details/80550561 今天，我们介绍机器学习里非常常用的一个概念，KL 散度，这是一个用来衡量两个概率分布的相似性的一个度量指标。我们知道，现实世界里的任何观察都可以看成表示成信息和数据，一般来说，我们无法获取数据的总体，我们只能拿到数据的部分样本，根据数据...

2018-08-26 16:41:23 276 1

转载矩阵与线性变换

转载自：https://blog.csdn.net/jane617_min/article/details/7044479 一般来说，方阵能描述任意线性变换。线性变换保留了直线和平行线，但原点没有移动。线性变换保留直线的同时，其他的几何性质如长度、角度、面积和体积可能被变换改变了。从非技术意义上说，线性变换可能“拉伸”坐标系，但不会“弯曲”或“卷折”坐标系。 矩阵...

2018-08-26 15:46:49 20361 1

原创机器学习技法第四周学习笔记

1.Motivation and Primal Problem 之前我们学习的Hard-Margin SVM要求所有的数据都必须得正确分开，如下图所示，给定的数据并不能够被一条直线完全分开，所以SVM用线型核可能得不到解，从而得用高次核得到如右图所示的分类效果，但是右边的分类器及其可能过拟合。所以Hard-Margin SVM不适用于不能完全被分开的数据集。而实践中碰到的数据集大部分都是...

2018-08-24 17:49:10 226

原创动态规划

动态规划和贪婪算法是非常相似的，只是贪婪算法每一步都寻找当前情况下最好的下一步算法，选好了就不能改变，而动态规划每次执行下一步时都会重新规划之前的步数，保证当前步加上之前的步数的结果为最好。下面我们将以01背包问题来介绍动态规划算法：从前往后递推的动态规划算法请参考这篇博客： https://blog.csdn.net/Du_Shuang/article/details/81985214...

2018-08-24 14:16:33 431

转载动态规划解决01背包问题

本文转载于Christal_R的博客园博客： https://www.cnblogs.com/Christal-R/p/Dynamic_programming.html一、问题描述：有n 个物品，它们有各自的重量和价值，现有给定容量的背包，如何让背包里装入的物品具有最大的价值总和？二、总体思路：根据动态规划解题步骤（问题抽象化、建立模型、寻找约束条件、判断是否满足最优性原理、找大问题与小问...

2018-08-23 17:43:58 236

原创机器学习技法第三周学习笔记

1.Kernel Trick 由上次课我们可以知道，对偶问题在求解系数q的时候仍然会被z的d所限制，虽然对偶问题表面上不受数据维度的影响，但是实际上仍然会受到限制。这一次课我们将讲解怎么破除这种限制。首先我们将z看作是φ对x做了变换后得到的数据。然后我们假设φ是2nd order polynomial transform,我们将直接对x进行转换然后求内积，过程如下所示：我们发...

2018-08-23 16:11:23 328

原创机器学习技法第二周学习笔记

1.Dual Support Vector Machine::Motivation of Dual SVM 上一节我们知道要如下求SVM的解，但是二次规划有一个问题那就是当w的系数很多即d很大时，二次规划将很难求解，这样就限制了我们的边界不能是很复杂的边界。这里我们将标准问题转换为对偶问题，对偶问题的结果与标准问题一样，但是对偶问题的变量数和限制条件数将只和数据量有关系而和d无关。 ...

2018-08-22 19:53:54 208

原创分而治之算法

分而治之算法是一个我们生活中经常会用到的算法，当一个问题比较大时我们会将其分割为相同的几个小问题进行解决，因为小问题相同所以一个小问题的算法又能直接应用于其他小问题，所以分而治之经常用到的方法是递归。下面将通过几个例子来介绍分而治之算法： 1.矩阵计算问题矩阵A*B=C计算的一般方法是A的第i行元素乘以B的第j列元素得到C的第i行j列的元素。这样的方式虽然很简单，但是却要花费巨额的计算量...

2018-08-22 15:42:35 4337

原创机器学习技法学习笔记

1.Large-Margin Separating Hyperplane 下面的三个图形用我们之前的线型方法都分类正确了，但是哪个是最好的呢？大部分人会选第三个。为什么呢？因为我们发现，我们测试的资料会和我们的训练资料会有误差，而最右边的分割线的误差容忍度比较大，所以测量精度会更高。我们这里以灰色的圈圈代表误差容忍度。我们将上述圈圈的大小转换为线的宽度，为了找到拥有最大容忍度的圈...

2018-08-20 16:35:51 273

原创机器学习基石第十六周笔记

一.Occam’s Razor 这一节将会是最后一节，主要讲解了机器学习中的几个比较经典的原则（锦囊妙计）。 1. 奥卡姆剃刀原则:一个模型越简单越好，将模型不必要的地方最好去掉。那么怎么判断一个模型是不是简单的呢？首先一个简单的模型一般具有较少的系数。且一个简单的假设空间是选出一个简单模型的充分非必要条件。那么为什么越简单越好呢？首先越简单的假设空间的成长函数就越...

2018-08-18 16:19:14 183

原创机器学习基石第十五周学习笔记

一. Model Selection Problem 现在介绍最后一种解决过拟合的方法Validation。假如我们使用不同的假设空间获取了很多不同的结果，我们该选择哪个结果作为我们的最终结果呢？根据视觉结果吗？当然不行，因为高维的数据我们不可见。用Ein吗？也不行因为复杂假设空间的Ein一定会比较小。我们最终选择Etest作为选择模型的标准，Etest用测试数据对模型进...

2018-08-17 17:27:18 203

原创机器学习基石第十四周笔记

一.Regularized Hypothesis Set 如果发生了过拟合那么我们该怎么办呢？之前介绍了两种情况，接下来介绍第四种方法正则化。如下图，我们想将右边的过拟合红线，优化为左图的红线。我们的想法是将复杂度为10的假设空间退化成复杂度为2的假设空间，那么我们该怎么做呢？我们对两个假设空间进行分析后发现，当我们对复杂度为10的假设空间添加约束条件令w3……w10为0时，假设...

2018-08-16 16:27:15 218

原创贪婪算法

虽然课后习题没写，但是这本书的数据结构部分总算是看完了。接下来开始算法部分。首先简单的介绍贪婪算法：贪婪算法就是算法的每一步都是上一步条件下的最好选择。比如梯度下降法就是一种贪婪算法，我们每次选出当前点梯度下降最快的方向作为我们下一步的方向。这种方法虽然能帮我们得到问题的解但却不是最优解，比如梯度下降法的到的路径就不是最短路径。所以贪婪算法得到的是一个近似最优解。下面将实现几个贪婪...

2018-08-16 13:36:20 2938

原创机器学习基石第十三周笔记

一.What’s Overfitting 什么叫作过度拟合？如下所示，当N=5时，目标f本来是个2次多项式，而我们用5次多项式对这些数据进行拟合就会造成过拟合。过拟合的Ein虽然很小而Eout却很大。上述原因可以用下图进行解释，使用高次的函数进行拟合会使d(vc)增加，这会增加假设空间的复杂度，从而使Eout与Ein的差别变大，虽然Ein会减少，但是Eout却增大，反之Eout与...

2018-08-15 16:19:10 206

原创图的应用

之前写了图的基本概念，现在写图的一般应用。一.寻找一条路径用广度优先搜索，虽然能很好的找到能到达的所有点，但是却不容易找到路径，而深度优先搜索里面隐含了路径，所以寻找路径一般用深度优先搜索。bool rFindPath(int s){//寻找路径的实际算法。从顶点s开始实施深度优先搜索//顶点s不应该等于终点//当且仅当一条路径找到了，返回truereach[s]=1;//...

2018-08-15 14:30:19 272

原创图

图应该是计算机应用的一个比较重要的方向吧，数据结构与算法c++语言描述里面单独拿出一章用来讲图。不过这本书讲的比较浅显且不全面，如果想深入的研究图的知识，建议去学习下图论，不过图论自学起来有点难，建议去大学蹭课。下面给出有向加权图的二维矩阵实现方法：template<class T>class graph{ public: virtual ~grap...

2018-08-15 11:12:18 292

原创机器学习基石第十二周笔记

一.Quadratic Hypothesis 之前学习了线型的分类器，今天将介绍非线性的分类器。下图左边的数据，我们用直线分类器能够很容易的将数据分开，但是右边的数据我们却不行，那么我们该怎么办呢？之前对于线型不可分的数据我们容许有一定的误差，但是这里的误差明显太大了，所以不能应用。但是我们发现该数据是能够用一个圆进行分割的，所以这里我们将应用Circular Separable. ...

2018-08-13 17:46:29 183

原创机器学习基石第十一周笔记

一.Linear Models for Binary Classification 之前学习了三种线型模型，线型分类的规律就是都对数据进行加权求得一个分数，然后对分数进行处理，我们知道三种线型模型都能用来分类，那么他们之间有什么区别呢？我们首先复习一下三种模型的错误函数。然后对上诉三种错误函数进行变形，将他们的变量都变为ys，为了将他们的图形画在同一个坐标系进行分析。 Linear r...

2018-08-10 20:06:42 276

原创机器学习基石第十周笔记

一.Logistic Regression Problem 我们之前讲解的二元分类只是判定输入是与不是，如下：但是我们现在不止想知道是与不是，而是想知道是的几率和不是的几率，那我们该怎么办呢？这时我们就用到了逻逻辑斯回归（我们称之为软分类）：我们要想学得上述所说的东西，那么我们学习所需要的资料应该如下图左边所示（虽然标注为nioseless,其实我们知道我们的学习数据都是有noi...

2018-08-09 20:27:29 206

原创机器学习基石第九周学习笔记

一.Linear Regression Problem 我们之前证明了VC bound的正确性，并且机器学习是能够学习到东西的，现在我们默认对于其他机器学习方法，该定理也是成立的（确实成立，但是我们不在进行证明）我们在之前的二分类中已经确定哪些人能够发信用卡，那么现在我们就要决定那些要发信用卡的人，我们应该发他们多少额度的信用卡。我们认为发的信用卡额度应该和他们的输入X相关，是他们的加权...

2018-08-08 20:51:15 287

转载单链表反转

本文转载于：https://blog.csdn.net/fx677588/article/details/72357389 https://blog.csdn.net/u011608357/article/details/36933337/C++版本：

2018-08-08 14:53:48 155

原创相机调试

1.基础概念ISO：ISO感光度是CCD/CMOS（或胶卷）对光线的敏感程度。ISO代表了canmera感光元件的感官速度，通俗的说就是相机的感官器对光的敏感程度，ISO数值越高说明感光能力越强。影响：1.高的感光度代表更快的快门速度。 2.低的感光度带来高的成像质量，高的感光度噪点很大。当光线很按时，在相同的光圈，快门设置下，低ISO拍出的照片，可能很...

2018-08-06 20:24:42 2610

空空如也

空空如也