fireguard-CSDN博客

转载 Linux中文乱码问题终极解决方法

dlink-866l刷完后，用ssh、telnet中文军事乱码，用win10资源浏览器登陆ftp，中文文件名也是乱码。转自：http://www.cnblogs.com/h2zZhou/p/5324385.html方法一：修改/root/.bash_profile文件，增加export LANG=zh_CN.GB18030 该文件在用户目录下，对于其他用户，也必须相应修改该文件。使用该方法时

2017-02-24 14:52:09 924

原创搭建家庭云存储之二-格式化硬盘

根据dd-wrt建议，虽然网购的硬盘还没有到，但我还是利用时间想好如何把硬盘分区。 optware是必装的软件，根据该软件的建议，建议使用GParted作为格式化硬盘的软件。 GParted有四种安装方法，我直接下载了i686的ISO包，按照第一种方法的指示，解压后，直接运行makeboot.bat，没有成功。按照第二种方法，下载了tuxboot-0.6.exe，选择第一步下载的ISO后，安

2017-02-10 16:08:49 1809

To see how any formula was written in any question or answer, including this one, right-click on the expression it and choose “Show Math As > TeX Commands”. (When you do this, the ‘$’ will not display.

2017-02-09 11:21:54 791

原创 AI之转换矢量图

AI就是adobe illustrate 百度里的答案：很简单的，把图片拉带AI里面后，选中图片，然后对象-实时描摹，然后你调整里面的阀值跟最小值就看到效果了，具体的参数设置要看你的图片而定，调整好参数后点一下图片要等一下才看得到最后的效果，因为转换有点慢。

2017-02-09 11:08:46 5368

原创家庭云存储搭建之一：软硬件的选择

过年闲来无事，看电影下载高清片源非常费时，并且家里的电视解码有点问题，所以就找解决方案。先后看了htpc和nas的解决方案，感觉都有点费时费力费钱，了解到可以建立家庭云存储，并且可以远程下载影片，需要的硬件仅仅是一台带usb接口的路由器和一个硬盘。所以就上网买了dlink的dir-866L，flash32M，ram128M，cpu700Mhz，带usb2.0接口，又买了西数3T机械硬盘，因为硬盘是

2017-02-09 10:40:57 5899 1

转载 Histogram intersection(直方图交叉核,Pyramid Match Kernel)

原文网址：http://blog.csdn.net/smartempire/article/details/23168945?reload看关于LBP人脸识别的论文时提到了Histogram intersection这个方法，方法最初来自The Pyramid Match Kernel:Discriminative Classification with Sets of Image F

2014-09-11 17:43:30 451

原创 64位win7安装vmware安装linux

首先下载vmware64位软件

2014-08-26 16:04:49 562

原创 sift源码解析

BOW算法中，sift特征生成算法代码如下：

2014-08-22 09:27:47 2586

原创 PCA-sift源码解释

SIFT 后来有两种扩展，都用到PCA的概念。1 PCA-SIFT PCA-SIFT与标准SIFT有相同的亚像素位置（sub-pixel），尺度（scale）和主方向（dominant orientations），但在第4步计算描述子的时候，它用特征点周围的41×41的像斑计算它的主元，并用PCA-SIFT将原来的2×39×39维的向量降成20维，以达到更精确的表示

2014-08-20 16:23:33 2615

原创 PCA学习过程

近期被文章逼疯了，对lsgc算法进行了邻接矩阵的实验。我想把PCA的方法在这个实验中进行应用，对特征进行降维以

2014-08-20 09:08:47 744

转载 matlab主成分分析函数princomp简介

比来看了些主成分解析，混迹Matlab论坛，翻了n多帖子，对princomp函数有了些懂得。在此只讲一些小我懂得，并没有效术语，只求通俗。供献率：每一维数据对于区分全部数据的供献，供献率最大的显然是主成分，第二大的是次主成分......[coef，score，latent，t2] = princomp（x）;（小我概念）：x：为要输入的n维原始数据。带入这个

2014-08-20 08:51:46 25809 2

转载 matlab工作空间,变量的保存和载入

对于工作空间中变量的保存和载入可以使用save和load命令，详细的使用方法通过help指令获取(help save，help load)。两条指令最常用的情况为：1、% 保存整个工作空间至指定的mat文件FILE_PATH_NAME，如E:\workspace.mat% 若已经存在同名的mat文件，该文件会被覆盖重写而不是追加save FILE_PATH_NAME2、% 保存指定

2013-12-03 07:05:54 8549

转载随机漫步模型及其实现

随机漫步（Random Walk）思想最早由Karl Pearson在1905年提出，它是一种不规则的变动形式，在变动过程当中的每一步都是随机的。通常来说，随机漫步被假定为具有马尔可夫链的性质，也即是每一个步骤具有“无记忆”的特性，换句话说，每一次变动都不会影响别的变动。除此之外，还有许多更加复杂的随机漫步。在维度方面，随机漫步处于图和面上，或者维度更多的结构中，例如群。

2013-11-14 08:07:26 9802 1

原创数据压缩

今天粗浅的读了Data Compression: ，主要讲1948年仙农的数据压缩理论对图像处理特征提取挺有启发，我猜测聚类技术有可能就是在此基础上发展起来的。

2013-10-15 20:41:02 533

转载 Vector Quantization

Vector QuantizationContentsIntroductionPreliminariesDesign ProblemOptimality CriteriaLBG Design AlgorithmTwo-Dimensional AnimationPerformanceReferencesI. Introduction

2013-10-15 20:19:56 1257

转载 matlab乘与点乘的区别

1 点乘是数组的运算，不加点是矩阵的运算；2 点乘要求参与运算的两个量两必须是维数相同，是对应元素的相乘；而不加点表示的是矩阵相乘（除的时候通过逆矩阵来实现），要求内维相同，也就是前一个矩阵的列的维数等于后一个矩阵的行的维数。例如A,B分别为两个矩阵，则：A.*B表示的是两个矩阵的对应元素相乘，其中生成的同阶矩阵C的对应的矩阵元素为：C(i,j)=A(i,j)*B(i,j)；

2013-10-11 15:12:49 1986

原创 LLC算法学习

中文介绍http://blog.sina.com.cn/s/blog_631a4cc40100wdul.html作者网站http://www.ifp.illinois.edu/~jyang29/

2013-10-10 11:20:11 3802

原创 Liblinear库编译

首先libsvm和liblinear的使用经验谈，了解liblinear,至官网下载package liblinear 安装包内有4个文件夹，64位系统可直接将windows目录加入路径就可使用。32位win7系统需要重新编译，编译代码在matlab文件夹内。首先安装visual studio 2010旗舰版，主要是要使用2010的编译器。vs6.0和matlab自带的编译器无

2013-10-10 10:52:56 1244

liblinear1.93

LIBLINEAR is a simple package for solving large-scale regularized linear classification and regression. It currently supports - L2-regularized logistic regression/L2-loss support vector classification/L1-loss support vector classification - L1-regularized L2-loss support vector classification/L1-regularized logistic regression - L2-regularized L2-loss support vector regression/L1-loss support vector regression. When to use LIBLINEAR but not LIBSVM ==================================== There are some large data for which with/without nonlinear mappings gives similar performances. Without using kernels, one can efficiently train a much larger set via linear classification/regression. These data usually have a large number of features. Document classification is an example. Warning: While generally liblinear is very fast, its default solver may be slow under certain situations (e.g., data not scaled or C is large). See Appendix B of our SVM guide about how to handle such cases. http://www.csie.ntu.edu.tw/~cjlin/papers/guide/guide.pdf Warning: If you are a beginner and your data sets are not large, you should consider LIBSVM first. LIBSVM page: http://www.csie.ntu.edu.tw/~cjlin/libsvm

2013-10-10

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

fireguard的专栏