- 博客(38)
- 资源 (2)
- 收藏
- 关注
RSS订阅转载 【转】最小二乘法与岭回归的介绍与对比
原文：https://blog.csdn.net/dang_boy/article/details/78504258一 线性回归（最小二乘法）假设我们有n个样本数据，每个数据有p个特征值，然后p个特征值是线性关系。即对应的线性模型写成矩阵的形式即是Y=XA由于样本与模型不一定百分百符合，存在一些噪声，即误差，用B表示，B也是一个向量即B=Y-XAY为样本值，XA为模...
2018-08-11 20:15:11
1387
原创 Linux下g++基本的编译
gcc简介(对C/C++编译的控制)： -预处理（Preprocessing），-编译（Compilation）， -汇编（Assembly）， -链接（Linking）1、基本的cpp文件编译及链接指令// main.cpp#include using namespace std;int main(int argc, char *argv[]){ cou
2017-11-16 21:14:39
7240
转载 BRISK特征匹配
从一幅图片中高效地寻找关键点始终是一个深入研究的话题，以此形成了众多的计算机视觉应用的基础。正在这个领域中。先驱算法SIFT和SURF在各种图形转换中表现出了巨大的性能。特别是SURF在日益更新的高性能方法中被觉得是计算最有效的方法。
2017-11-07 12:57:38
1751
原创 matplotlib--3d显示
from mpl_toolkits.mplot3d import Axes3Dimport numpy as npimport matplotlib.pyplot as pltdef f(x,y): return(1-x/2+x**5 + y**3)*np.exp(-x**2-y**2)n=50x = np.linspace(-3, 3, n)y = np.linspace
2017-10-13 17:02:59
940
原创 matplotlib--annotate
给图像添加注释import numpy as npimport matplotlib.pyplot as plt# 生成X数据x_data = np.linspace(-2,2,50)# Y数据y1 = np.sin(10*x_data)*np.exp(-x_data) - 0.5y2 = np.square(x_data)l1, = plt.plot(x_data,
2017-10-13 13:12:24
402
原创 Matplotlib--legend
显示图例import matplotlib.gridspec as gridspecfrom mpl_toolkits.mplot3d import Axes3Dimport numpy as npimport matplotlib.pyplot as pltfrom matplotlib.ticker import MultipleLocator, FormatStrFormatt
2017-10-13 09:01:41
300
原创 matplotlib--设置坐标轴
设置图像的XY坐标轴范围及名称import numpy as npimport matplotlib.pyplot as pltx = np.linspace(-3, 3, 50) #X axis datay1 = np.sin(x)*x**2 +1plt.figure()plt.plot(x, y1)plt.scatter(x, y1, c='r')# set color
2017-10-12 22:00:02
12451
原创 matplotlib--figure
matplotlib 的 figure 就是一个 单独的 figure 小窗口, 小窗口里面还可以有更多的小图片.import numpy as npimport matplotlib.pyplot as pltx = np.linspace(-3, 3, 50) #X axis datay1 = np.sin(x)*x**2 +1y2 = np.sin(x)-1y3
2017-10-12 21:48:30
306
原创 Matplotlib--基本画图
显示图像及画线import numpy as npimport matplotlib.pyplot as pltx = np.linspace(-5, 5, 50) #X axis datay = np.sin(x)*x**2 +1plt.figure()plt.plot(x, y)plt.scatter(x, y, c='r')plt.show()
2017-10-12 21:40:49
281
转载 尺度不变特征变换匹配算法详解
原文地址：http://blog.csdn.net/pi9nc/article/details/23302075尺度不变特征变换匹配算法详解Scale Invariant Feature Transform(SIFT)Just For Funzdd zddmail@gmail.com对于初学者，从David G.Lowe的论文到实现
2017-09-20 07:56:19
650
转载 sift算法详解
知识的搬运工以下四篇文章对sift算法进行了较为详细的解析， 请参考以下链接SIFT算法：DoG尺度空间生产 http://www.cnblogs.com/JiePro/p/sift_1.htmlSIFT算法：KeyPoint找寻、定位与优化http://www.cnblogs.com/JiePro/p/sift_2.htmlSIFT
2017-09-14 08:57:06
289
原创 opencv 实现任意角度的透视变换
opencv中提供了getPerspectiveTransform函数来获取由四对点间的转换矩阵，输出矩阵为3*3， 同时也提供了warpPerspective函数来对通过变换矩阵来对图像进行透视变换的操作，同时还提供了perspectiveTransform来提供对点的转换：getPerspectiveTransform：Calculates a perspective transf
2017-09-13 13:20:49
19503
11
转载 Qt模型/视图
关于Qt中MVC的介绍与使用，助手中有一节模型/视图编程（Model/View Programming）讲解的很清晰。 Qt包含一组使用模型/视图结构的类，可以用来管理数据并呈现给用户。这种体系结构引入的分离使开发人员更灵活地定制项目，并且提供了一个标准模型的接口，以允许广泛范围的数据源
2017-09-03 16:59:43
460
转载 Qt--委托
Delegate 类概念 与MVC模式不同，model/view结构没有用于与用户交互的完全独立的组件。一般来讲， view负责把数据展示给用户，也处理用户的输入。为了获得更多的灵性性，交互通过delegagte执行。它既提供输入功能又负责渲染view中的每个数据项。 使用Delegate的原因 Qt中当用到QTreeView和QTableView等用于显示item的视图时，你要编辑一个it
2017-09-02 22:12:01
990
原创 OPENCV编译Videoio模块问题解决
想利用QT的来做为OPENCV的界面， 但编译过程中遇到一些问题，编译过程不难，只是偶尔会碰到一些奇怪的问题，一些常见的问题在百度上很容易搜索到解决方法。在自己笔记本上编译未发现任何问题，但在公司电脑上，cmake过程中没有报错，编译却出现了videoIO模块怎么都编译不过去的现象，千辛万苦才找到解决方法：在opencv的源码文件cap_dshow.cpp中添加#define
2017-08-22 12:48:42
14519
6
转载 python之argparse模块
http://www.2cto.com/kf/201412/363654.html一、简介：argparse是python用于解析命令行参数和选项的标准模块，用于代替已经过时的optparse模块。argparse模块的作用是用于解析命令行参数。
2017-08-05 11:34:30
202
原创 python中的platform模块获取平台信息
利用该模块可以获取系统平台与python平台的信息。import platform''' python中，platform模块给我们提供了很多方法去获取操作系统的信息 如： import platform platform.platform() #获取操作系统名称及版本号，'Windows-7-6.1.7601-SP1'
2017-08-05 10:19:10
1541
1
转载 循环神经网络(RNN, Recurrent Neural Networks)介绍
循环神经网络(RNN, Recurrent Neural Networks)介绍 这篇文章很多内容是参考：http://www.wildml.com/2015/09/recurrent-neural-networks-tutorial-part-1-introduction-to-rnns/，在这篇文章中，加入了一些新的内容与一些自己的理解。 循环神经网络(Recurrent Neural N
2017-07-14 08:29:18
859
原创 python中的glob包
第一次使用该包是在opencv的python的示例中见到的，特写在此处，以做学习备忘python 中处理文件的包有os.path，但其不支持通配符的检索，而python中的glob包支持类似于widnwos的通配符glob是python自己带的一个文件操作相关模块，内容也不多，用它可以查找符合自己目的的文件，就类似于Windows下的文件搜索，而且也 支持通配符，,?,
2017-07-09 21:19:40
2956
转载 你应该知道的9篇深度学习论文（CNNs 理解）
本文主要总结了卷积神经网络在机器视觉领域的重要发展及其应用。我们将介绍几篇重要的公开发表的论文，讨论它们为何重要。前一半的论文（AlexNet到ResNet）将主要涉及整体系统架构的发展和演变，后一半论文将主要集中在一些有趣的子领域应用上。
2017-07-05 10:18:44
575
转载 机器学习--神经网络算法系列--激活函数
原文地址：http://blog.csdn.net/cyh_24/article/details/50593400 神经
2017-07-03 08:00:13
560
转载 机器学习算法系列--K近邻（KNN）
周五了，没什么动力了，回顾了一下简单的KNN算法，转载别人一篇，原文：http://www.cnblogs.com/ybjourney/p/4702562.html最近在看《机器学习实战》这本书，因为自己本身很想深入的了解机器学习算法，加之想学python，就在朋友的推荐之下选择了这本书进行学习。 一 . K-近邻算法（KNN）概述 最简单最初级的分类器是将全部
2017-06-30 22:28:15
345
转载 机器学习算法系列--支持向量机（SVM）
原文：http://blog.csdn.net/alvine008/article/details/9097105 目录(?)[+]什么是机器学习 Machine Learning机器学习的大致分类问题的描述拉格朗日乘子法和KKT条件
2017-06-28 22:14:22
317
转载 机器学习--神经网络算法系列--卷积神经网络
转载自:http://www.jiqizhixin.com/article/1363?utm_source=tuicool&utm_medium=referral这是一篇向初学者讲解卷积神经网络的系列文章，机器之心编译了已经发表了的 Part 1 和 Part 2。此系列文章若有更新，机器之心依然会分享给大家。 Part 1：图像识别任务介绍卷积神经网络，听起来像是计算机科学、生物学和数
2017-06-28 15:28:34
2714
原创 机器学习--神经网络算法系列--过拟合（overfitting）
只愿这次贴的图片不会丢失。。。 机器学习的主要挑战是我们的算法必须能够在先前未观测的新输入上表现良好，而不只是在训练集上表现良好。在先前未观测到的输入上表现良好的能力被称为泛化（generalization）。1、概念 通常情况下，当我们训练机器学习模型时，我们可以使用某个训练集，在训练集上计算一些被称为 训练误差（training error）的度量误差
2017-06-28 08:29:35
1895
转载 机器学习--神经网络算法系列--交叉熵（Cross_entropy）
原文：http://blog.csdn.net/u014313009/article/details/51043064 交叉熵代价函数（Cross-entropy cost function）是用来衡量人工神经网络（ANN）的预测值与实际值的一种方式。与二次代价函数相比，它能更有效地促进ANN的训练。在介绍交叉熵代价函数之前，本文先简要介绍二次代价函数，以及其存在的不足。1. 二次代
2017-06-27 22:14:04
7358
1
转载 机器学习--神经网络算法系列--BackPropagation算法
一文弄懂神经网络中的反向传播法——BackPropagation 最近在看深度学习的东西，一开始看的吴恩达的UFLDL教程，有中文版就直接看了，后来发现有些地方总是不是很明确，又去看英文版，然后又找了些资料看，才发现，中文版的译者在翻译的时候会对省略的公式推导过程进行补充，但是补充的又是错的，难怪觉得有问题。反向传播法其实是神经网络的基础了，但是很多人在学的时候总是会遇到
2017-06-27 21:59:22
441
转载 机器学习--神经网络算法系列--梯度下降与随机梯度下降算法
原文：http://www.cnblogs.com/walccott/p/4957098.html梯度下降与随机梯度下降梯度下降法先随机给出参数的一组值，然后更新参数，使每次更新后的结构都能够让损失函数变小，最终达到最小即可。在梯度下降法中，目标函数其实可以看做是参数的函数，因为给出了样本输入和输出值后，目标函数就只剩下参数部分了，这时可以把参数看做是自变量，则目标函数变成参数
2017-06-27 21:54:47
1703
原创 机器学习算法系列（一）--决策树
1、什么是决策树决策树(Decision Tree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。其图如下所示，树分为：根结点、分支、结点及树叶四个组成部分。2、决策树的构造2.1熵的概念香农提出 ，一条信息的信息量大小和它的不确定性有直
2017-06-26 20:58:51
766
转载 机器学习算法优缺点及其应用领域
原文：http://blog.csdn.net/mach_learn/article/details/39501849决策树一、 决策树优点1、决策树易于理解和解释，可以可视化分析，容易提取出规则。2、可以同时处理标称型和数值型数据。3、测试数据集时，运行速度比较快。4、决策树可以很好的扩展到大型数据库中，同时它的大小独立于数据库大小。二、决策树缺点1
2017-06-26 13:53:40
3193
转载 ReLu(Rectified Linear Units)激活函数
ReLu(Rectified Linear Units)激活函数起源：传统激活函数、脑神经元激活频率研究、稀疏激活性传统Sigmoid系激活函数传统神经网络中最常用的两个激活函数，Sigmoid系（Logistic-Sigmoid、Tanh-Sigmoid）被视为神经网络的核心所在。从数学上来看，非线性的Sigmoid函数对中央区的信号增益较大，对两侧区的信号增益小，在信号的特征空间映射上，有很
2017-06-25 20:10:32
1080
转载 TensorFlow入门教程合集
TensorFlow入门教程之0: BigPicture&极速入门TensorFlow入门教程之1: 基本概念以及理解TensorFlow入门教程之2: 安装和使用TensorFlow入门教程之3: CNN卷积神经网络的基本定义理解TensorFlow入门教程之4: 实现一个自创的CNN卷积神经网络TensorFlow入门教程之5: TensorBoard面板可视化管理TensorFlow入门教
2017-06-24 23:49:19
585
转载 ubuntu中给pip设置代理的方法
可以尝试下面的方法。但由于pip自身的bug，可能不稳定或无效。目前 (pip 7.1.2) 仍未完全解决。具体参见 https://github.com/pypa/pip/issues/1805用 proxychains 等前置代理工具。例如透过 socks5://127.0.0.1:9051 安装 urllib31-1. 安装 proxychains：apt-get
2017-05-27 17:16:15
4929
原创 用户及系统开机启动目录注册表位置
HKEY_CURRENT_USER\Software\Microsoft\Windows\CurrentVersion\Explorer\Shell Folders下的StartupHKEY_CURRENT_USER\Software\Microsoft\Windows\CurrentVersion\Explorer\User Shell Folders下的Startup
2017-05-25 09:07:42
1241
转载 windows7 classPNP.sys卡住
万恶的Windows 7 卡LOGO 及安全模式停顿在CLASSPNP.SYS 的侦错过程 Windows 发表评论 这几天，够折磨人的了，根本就是疯狂杀死脑细胞的日子。openSUSE 及Windows 7 双系统的Win7 突然卡在“正在启动”，持续在LOGO 的界面基本有两到三分钟，但庆幸的是还能进入系统。无故出现问题，想必进入安全模式应该可以找到
2017-05-25 09:00:38
84708
7
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人