2016年04月_eternity1118_

原创模式识别（Pattern Recognition）学习笔记（七）——线性分类器及线性判别函数

1.为什么要设计分类器？回顾下前面学习的统计决策，也就是贝叶斯决策，它可以简单被划分为两步，首先根据样本进行PDF估计，然后根据估计出的PDF来求分类面，因此又经常被叫做两步贝叶斯决策。如果我们能够很好地估计出PDF模型，也总可以利用贝叶斯来实现两类甚至多类的最优分类，但是很多实际情形中，想要精准的估计出PDF模型，并非易事，尤其当样本存在高维特征空间，以及样本数量并不足够多的情

2016-04-26 15:05:18 16351

原创 Mac下安装Opencv并配置Xcode

step1：下载OpenCVstep2：打开终端，进到opencv源码主目录下；step3：键入以下命令 1.sudo cmake -G "Unix Makefiles" 2.sudo make （可加上-j8或-j4选项，加快编译速度） 3.sudo make install （可加上-j8或-j4选项，加快编译速度）

2016-04-20 18:07:22 1845

原创模式识别（Pattern Recognition）学习笔记（六）——概率密度函数的非参估计

上篇学习了PDF的参数估计方法，主要有最大似然估计和贝叶斯估计，他们主要对有确定形式的PDF进行参数估计，而在实际情况下，并不能知道PDF的确切形式，只能通过利用所有样本对整个PDF进行估计,而且这种估计只能是利用数值方法求解。

2016-04-20 16:43:00 14307 1

原创 FAST

fast（features from accelerated segment test），如同它的名字一样，它的速度非常快，一般被用来检测角点，对于一些实时系统也是绝佳选择，例如并行跟踪。与sift和surf不同，fast不具有方向性，由于fast特征缺少方向分量，但是计算主方向的方法也很多，像sift是利用梯度直方图，surf是利用haar小波的最大响应处的扇形patch方

2016-04-20 12:08:09 8771

根据名字，可以发现它一定跟BOF有关系，那么就先来说说BOF吧。BOF，Bag Of Features，特征词袋，简单来说就是一种基于SURF的标准视觉词袋（Bag Of Visual Words，简称BOVW或者BOW）技术，可以说在CBIR（Content-Based Image Retrieval）系统中，最流行的方法就是BOF了，由于其具有很好的compactness和rapidity。大

2016-04-18 14:23:41 3710

原创模式识别（Pattern Recognition）学习笔记（五）——概率密度函数（pdf）的参数估计

回顾下贝叶斯决策，它的终极目标是要获取后验概率，而后验概率又可以由先验概率和类条件概率密度两个量估计得到。先验概率的估计相对来说比较简单，一般有两种方法，其一可以用训练数据中各类出现的频率来估计得到；其二可以依靠经验，不管哪种方法都不会很难，而对于类条件概率密度来说，估计往往会难得多，因此对于它的估计会是贝叶斯决策的重点。有关概率密度函数的估计，统计类的书籍（像概率论与概率统计）

2016-04-15 10:22:01 4326

原创 Sift与Surf的区别

surf是在sift的基础上改进而生，不仅提高了计算速度，而且更加安全鲁棒性，两者的实现原理很相似，对于两者的区别，也极大程度地体现在了他们的实现步骤上，为了更好地理解两者，可以结合实现方法来分析它们之间的不同。 1.构造图像金字塔尺度空间： sift：计算高斯差分图像（DoG），用于find特征点；金字塔图像中，由于同一个octave中，图像的大小（尺寸）一样但模糊程

2016-04-14 15:50:08 9718

原创模式识别（Pattern Recognition）学习笔记（四）——最小风险贝叶斯决策

前面提到了最小错误率的贝叶斯决策，可以说大多数情况中，我们都是用的这一准则的决策方式，但对于一些特殊的场合，比如一个癌症病人的癌细胞判别中，相比于错误率，我们更关心的应该是判别错误所带来的损失，因此在这种情况下，我们就不能使用最小错误率准则来决策了，而要使用一种新的决策准则——最小风险贝叶斯决策。所谓的最小风险贝叶斯决策，就是各种错误决策所造成不同损失时，选择造成损失（也即风险

2016-04-12 16:48:07 7909

原创模式识别（Pattern Recognition）学习笔记（三）——最小错误率贝叶斯决策

模式识别问题中，我们分类时最希望分类错误率可以降到最低，因此从这个目标出发，得到的分类决策就被称作最小错误率贝叶斯决策，该决策规则可写为： (1)1.两类决策：式(1)中，对于所有x，P(e|x)和p(x)均非负，于是决策可以转化为对所有x最小化P(e|x)得到;根据贝叶斯决策理论可知，使错误率最小的决策就是使后验概率最大的决策，因

2016-04-12 13:40:03 19788 2

原创常量与指针

一、指向常量的指针int a = 10;const int b = 20;int *pi = &a;//指向非常量的指针const int *pci = &b;//或者int const *pci; 此时pci被定义为指向整数常量，我们不同修改指针指向的值，但可以修改指针的值，比如： pci = &a;是正确的，这里pci被修改了，指向一个非常量的值，

2016-04-11 22:53:14 1023

原创模式识别（Pattern Recognition）学习笔记（一）--何为模式识别

一、什么是模式和模式识别？当我们人眼看到一幅画时，我们能够很清晰的知道其中哪里是动物，哪里是山，水，人等等，但是人眼又是如何识别和分辨的呢，其实很简单，人类也是在先验知识和对以往多个此类事物的具体实例进行观察的基础上得到的对此类事物整体性质和特点的认识的，并不是人类原本就有对这类事物的记忆，就好比婴孩时期的我们，并不知道什么是狗，什么是帅哥，什么是美女，但是随着我们的慢慢长大，

2016-04-09 16:01:47 42285 16

转载图像匹配之感知哈希（pHash）算法的OpenCV实现

1.前言目前“以图搜图”的引擎越来越多，可参考博文： http://blog.csdn.net/forthcriminson/article/details/8698175 此篇博文中列出了很多“以图搜图”的引擎，之前很好奇他们是如何进行检索的，偶然间看到了一篇博客，上面说Google和Tineye主要利用的算法是感知哈

2016-04-07 18:01:27 16508 2

凌桑的自我修养--You are the Eternity